近日，美国宾夕法尼亚大学佩雷尔曼医学院（Perelman School of Medicine）的一项最新研究显示，将人工智能算法与传统实验方法相结合，有望显著加快抗病毒药物的发现进程。相关成果今日发表在《Cell Reports Physical Science》期刊上。
研究团队聚焦于人类肠道病毒71型（EV71），这是一种引起多数手足口病病例的主要病原体。EV71感染可从轻微的皮疹和发热，迅速恶化为严重的神经系统并发症，尤其威胁7岁以下儿童和免疫功能低下的成人。目前尚无美国食品药品监督管理局（FDA）批准的针对该病毒的抗病毒药物。
在这项研究中，科学家们以36种小分子化合物为起点，训练机器学习模型识别对抗病毒有效的分子结构与化学特征，并预测每种化合物阻断EV71的可能性。随后，研究人员挑选出8种AI筛选出的候选物进行细胞实验，结果其中有5种成功抑制了病毒的复制，命中率是传统筛选方法的10倍左右。
“我们正在将原本需要数月的试错过程，浓缩为短短几天，”研究负责人 de la Fuente 博士表示。“这种方法尤其适用于数据有限、预算紧张或时间紧迫的情境。”
研究还通过计算机模拟验证了这些成功分子的作用机制，发现它们可稳定结合于病毒的特定位点，可能有助于防止病毒变形并进入宿主细胞。
“我们希望这能成为快速发现抗病毒药物的一个模板，”论文合著者、博士后研究员 Angela Cesaro 表示，“无论面对的是另一种肠道病毒、新出现的呼吸道病原体，还是像脊髓灰质炎这类重新抬头的病毒，我们的AI方法都证明了，即使只有有限数据，也能加速解决方案的开发，并推动对未来疫情的快速响应。”
该研究得到了宝洁公司（Procter & Gamble）与康奈尔大学（Cornell University）的协作支持。
参考文献： Angela Cesaro et al, Antiviral discovery using sparse datasets by integrating experiments, molecular simulations, and machine learning, Cell Reports Physical Science (2025). DOI: 10.1016/j.xcrp.2025.102554
编辑：周敏
排版：李丽
评论 (0)