开放科学如何帮助研究人员为下一场疫情做准备

当COVID-19出现时，科学家们拥有一个关键的优势：数十年来关于冠状病毒的先前研究意味着他们充分了解了这种病毒的关键蛋白质，足以在创纪录的时间内设计出疫苗。下一次大流行可能不会提供同样的起步优势。

为了帮助改善这些可能性，NVIDIA加入了包括Google DeepMind和欧洲分子生物学实验室的欧洲生物信息研究所（EMBL-EBI）在内的全球研究机构联盟，以发布超过2,800种病毒的蛋白质复合体的预测3D结构——通过AlphaFold数据库向全球任何科学家公开提供。

新发布的数据集中的结构使用AlphaFold2进行推断——Google DeepMind用于预测蛋白质如何折叠成3D形状的AI模型——并使用NVIDIA BioNeMo推理运行时进行优化。这使团队能够将推理扩展到数千个病毒蛋白质组，预测每种病毒中编码的复合体或相互作用的蛋白质组。

Google DeepMind生命科学合作伙伴关系经理Risha Patel说："我们对AlphaFold数据库的野心一直是大规模民主化获取基础生物学。这项将数千个病毒复合体引入数据库的合作将为世界各地的科学家提供他们需要的见解，以帮助为未来的暴发做好准备。"

NVIDIA还公开发布了BioNeMo结构预测管道，这是用于生成数据集的GPU加速工作流程，因此研究人员可以从蛋白质序列到其自己目标的预测3D结构。

对下一次大流行的准备必须现在开始。全球发展中心的分析估计到2050年，世界面临与COVID-19一样严重的大流行的可能性大约为50%。

医学研究理事会-格拉斯哥大学病毒研究中心分子病毒学教授、该项目的合作者Joe Grove说："当下一次大流行发生时，可能会出现某些始料未及的情况，我们将缺乏我们对COVID-19的了解。我们想做的是提前储备一些这样的知识。"

被添加到数据库中的蛋白质相互作用中，大约30%对科学来说是完全新的，展示了在蛋白质数据库中从未记录过的相互作用形状，蛋白质数据库是实验确定的蛋白质结构的主要存储库。这转化为生物学界可以探索和利用的新见解，以产生新知识。

NVIDIA数字生物学应用研究科学团队负责人Chris Dallago说："这个数据库是假设生成的引擎。我们正在使生物学家和AI社区能够调查蛋白质相互作用，不仅是作为单个分子，而且是作为复合体，因此整个领域可以向前推进。"

**预测复杂的蛋白质结构**

大多数蛋白质不单独工作——它们组合成多个分子的复合体来执行复杂的功能。这些结构通常是疫苗或药物必须靶向以破坏病毒功能的对象。

例如，理解COVID-19病毒的刺突蛋白的3D结构被证明是疫苗设计的基础。对于数千种其他病毒，今天不存在这样的结构知识。这个数据集开始填补这一空白。

确定蛋白质结构的传统方法——结晶蛋白质并向其射击X射线——可能需要数年并且每个结构花费数千美元。AlphaFold2使用NVIDIA BioNeMo进行了优化，可以在NVIDIA GPU上高效运行，在几分钟内预测结构，并且可以批量运行。科学家随后可以通过实验方法验证高置信度的预测。

对于这个项目，团队系统地研究了已知感染人类的病毒科的蛋白质结构，从普通感冒病毒到像Mpox这样的新兴威胁。

**具有全球访问权限的全球合作**

合作涵盖流行病防备创新联盟、EMBL-EBI、Google DeepMind、NVIDIA、首尔国立大学、成均馆大学、瑞士生物信息学研究所和格拉斯哥大学。

数据集的发布——恰好与世界经济论坛召集的联合国大会会议同时进行，该会议涉及本周在纽约市举行的大流行防范、防灾和应对——为AlphaFold数据库做出贡献，该数据库现在包含超过2.6亿个蛋白质和蛋白质复合体预测，涵盖了科学已知的几乎所有已编目的蛋白质。

EMBL-EBI临时主任Jo McEntyre说："使这些数据公开对于理解病毒诊断和开发治疗和疫苗至关重要。这个数据集还覆盖了研究较少的病毒，并降低了资源匮乏环境中直接面对暴发的科学家的壁垒。"

开放数据集中的预测按置信度标记。这些结构显示病毒复合体可能看起来像什么，以及单个蛋白质可能如何在病毒蛋白质组内相互作用。

总体而言，这些新数据代表了对数字生物学和疾病研究领域的科学家可用信息的重大贡献。

Grove说："当我读博士学位时，我们调查的任何蛋白质都没有结构。这就像在黑暗中工作——我们不得不猜测发生了什么。这个数据集对所有现在正在攻读博士学位的研究人员来说是一个强大的工具，为他们提供了将加速基础科学的高质量结构数据。"

在AlphaFold数据库大流行准备就绪门户网站上探索病毒蛋白质复合体数据集，使用BioNeMo结构预测管道预测蛋白质靶点的结构，并了解更多关于NVIDIA BioNeMo的信息。