AI工具提升流感疫苗株选择准确性
每年，全球卫生专家都面临一个高风险决策：应该选择哪些流感毒株纳入下一季疫苗？这个选择必须提前数月确定，往往感觉像是在与时间赛跑。如果选择的毒株与流行毒株匹配，疫苗很可能高效；但如果预测偏差，保护效果将显著下降，导致本可预防的疾病发生并增加医疗系统压力。
为减少这种不确定性，某机构计算机科学与人工智能实验室的研究人员开发了名为VaxSeer的AI系统，旨在提前数月预测优势流感毒株并识别最具保护性的疫苗候选株。该工具使用经过数十年病毒序列和实验室测试结果训练的深度学习模型，模拟流感病毒如何进化以及疫苗将如何响应。
技术原理与创新
传统进化模型通常独立分析单个氨基酸突变的影响。该研究第一作者解释说：“VaxSeer采用大型蛋白质语言模型来学习病毒优势地位与突变组合效应之间的关系。与现有假设病毒变异静态分布的蛋白质语言模型不同，我们模拟动态的优势转移，使其更适合流感等快速进化病毒。”
VaxSeer包含两个核心预测引擎：一个估计每种病毒毒株传播的可能性（优势度），另一个估计疫苗中和该毒株的效果（抗原性）。两者共同产生预测覆盖分数：前瞻性衡量特定疫苗对未来病毒的预期表现。
在为期10年的回顾性研究中，研究人员评估了VaxSeer与世界卫生组织对两种主要流感亚型A/H3N2和A/H1N1的建议。对于A/H3N2，基于回顾性经验覆盖分数，VaxSeer的选择在10个流感季中的9个表现优于世卫组织。对于A/H1N1，在10个季节中的6个表现优于或匹配世卫组织。
预测机制与未来扩展
VaxSeer首先使用蛋白质语言模型估计病毒毒株随时间传播的速度，然后通过考虑不同毒株间的竞争来确定其优势地位。这些洞察被插入基于常微分方程的数学框架中，模拟病毒随时间传播。
对于抗原性，系统估计给定疫苗株在血凝抑制试验中的表现，这是广泛使用的抗原性匹配代理指标。
该研究资深作者表示：“考虑到病毒进化速度，当前治疗开发常常滞后。VaxSeer是我们追赶的尝试。”当前版本仅关注流感病毒的血凝素蛋白，未来版本可能整合其他蛋白质如神经氨酸酶，以及免疫史、生产约束或剂量水平等因素。
将系统应用于其他病毒还需要跟踪病毒进化和免疫反应的大型高质量数据集——这些数据并不总是公开可用。然而，团队目前正在开发基于病毒家族关系的低数据状态下预测病毒进化的方法。
一位未参与研究的生物医学科学助理教授评价道：“这项论文令人印象深刻，但更让我兴奋的是团队在低数据设置下预测病毒进化的持续工作。其影响远超出流感范围。”
