开放科学如何帮助研究人员为下一次大流行做好准备

当COVID-19出现时，科学家拥有一个关键优势：数十年来对冠状病毒的研究使他们充分了解了该病毒的关键蛋白质，从而能够以创纪录的速度设计出疫苗。下一次大流行可能不会提供同样的先发优势。

为了提高应对的几率，NVIDIA（英伟达）已与包括Google DeepMind以及欧洲分子生物学实验室欧洲生物信息学研究所（EMBL-EBI）在内的全球研究机构联盟合作，发布了超过2,800种病毒蛋白质复合物的预测三维结构。全球任何地方的科学家都可以通过AlphaFold数据库公开获取这些数据。

新发布数据集中的结构是使用AlphaFold2推断得出的。AlphaFold2是Google DeepMind开发的人工智能模型，用于预测蛋白质如何折叠成三维形状。研究团队借助NVIDIA BioNeMo Inference Runtime进行了优化。这使团队能够将推断扩展到数千个病毒蛋白质组，预测每种病毒中编码的复合物，即相互作用的蛋白质组合。

“AlphaFold数据库的初衷始终是大规模地实现基础生物学资源的普惠化，”Google DeepMind生命科学合作伙伴经理Risha Patel表示，“此次合作将数千个病毒复合物纳入数据库，将为全球科学家提供他们所需的洞察，帮助其为未来的疫情爆发做好准备。”

NVIDIA还公开发布了生成该数据集所使用的GPU加速工作流程BioNeMo Structure Prediction Pipeline，使研究人员能够针对自己的研究靶点，从蛋白质序列直接获得预测的三维结构。

下一次大流行的准备工作必须从现在开始。全球发展中心（Center for Global Development）的一项分析估计，到2050年，世界面临与COVID-19同等严重的大流行的概率约为50%。

英国医学研究理事会－格拉斯哥大学病毒研究中心（Medical Research Council-University of Glasgow Centre for Virus Research）分子病毒学教授、该项目合作者Joe Grove表示：“下一次大流行到来时，可能会出现一种毫无预兆的病毒，而我们将缺乏我们在应对COVID时所拥有的知识。我们正在努力的，是提前储备其中的一部分知识。”

添加到数据库中的蛋白质相互作用中，约30%对科学界而言是全新的，其相互作用形态此前从未被记录在蛋白质数据库（Protein Data Bank，即实验测定蛋白质结构的主要资料库）中。这意味着生物学界将获得新的洞察，可用于探索并转化为新的知识。

NVIDIA数字生物学应用研究科学团队负责人Chris Dallago表示：“这个数据库是生成假设的引擎。我们使生物学家和人工智能社区能够研究蛋白质之间的相互作用，不仅将其视为单个分子，而是作为复合物来研究，从而推动整个领域向前发展。”

预测复杂蛋白质结构

大多数蛋白质并非单独发挥作用，而是由多个分子组成复合物，以执行复杂的功能。这些结构往往正是疫苗或药物需要作用的靶点，以破坏病毒的功能。

例如，理解COVID-19病毒刺突蛋白的三维结构，对疫苗设计起到了奠基作用。而对于其他数千种病毒，目前尚不存在此类结构知识。该数据集开始填补这一空白。

确定蛋白质结构的传统方法，即使蛋白质结晶并用X射线照射，可能需要数年时间，每个结构的成本可达数千美元。经过NVIDIA BioNeMo优化、可在NVIDIA GPU上高效运行的AlphaFold2，能够在数分钟内预测一个结构，并可批量运行。科学家随后可以通过实验方法验证高置信度的预测结果。

在本项目中，研究团队系统地研究了已知可感染人类的病毒家族的蛋白质结构，涵盖从普通感冒病毒到猴痘等新出现的威胁。

全球合作，全球共享

本次合作涉及流行病防范创新联盟（Coalition for Epidemic Preparedness Innovations）、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（Swiss Institute of Bioinformatics）以及格拉斯哥大学。

此次数据集发布恰逢世界经济论坛在本周于纽约市召集的联合国大会会议，该会议聚焦大流行病的预防、防范和应对。此次发布为AlphaFold数据库作出了贡献。目前，该数据库已收录超过2.6亿个蛋白质及蛋白质复合物的预测结果，几乎涵盖科学界已编目的所有蛋白质。

EMBL-EBI代理主任Jo McEntyre表示：“公开这些数据对于理解病毒诊断以及开发治疗方法和疫苗至关重要。该数据集还涵盖了研究较少的病毒，并降低了身处低资源环境、直面疫情爆发的科学家的使用门槛。”

开放数据集中的预测结果均按置信度进行标注。这些结构展示了病毒复合物可能的形态，以及单个蛋白质在病毒蛋白质组中可能如何相互作用。

总体而言，这些新数据为数字生物学和疾病研究领域的科学家提供了重要的信息补充。

Grove表示：“我读博士的时候，我们所研究的任何蛋白质都没有结构资料。就像在黑暗中工作，我们只能猜测究竟发生了什么。这个数据集是一个强大的工具，适用于现在攻读博士学位的所有研究人员，为他们提供高质量的结构数据，将加速基础科学的发展。”

请在AlphaFold数据库大流行防范门户（AlphaFold Database Pandemic Preparedness Portal）上探索病毒蛋白质复合物数据集，使用BioNeMo Structure Prediction Pipeline为蛋白质靶点预测结构，并进一步了解NVIDIA BioNeMo。