病毒性传染病因其通过突变快速进化而带来了重大挑战。这一点在COVID-19大流行期间尤为明显，当时SARS-CoV-2的新变种引发了新的感染浪潮。这些变种通常携带使它们更具传播性的突变，从而能够在人群中迅速传播。
理解病毒的“适应性”——即其在宿主群体中传播的能力——已成为管理和预测病毒威胁的关键。尽管有一些方法可以根据突变模式评估变种的适应性，但缺乏考虑突变之间相互作用的统计模型。
为了解决这一挑战，由东京大学医学研究所的副教授伊藤纯平领导的研究团队，包括Adam Strange博士和佐藤圭教授，引入了一种名为CoVFit的新框架，用于预测SARS-CoV-2变种的适应性。他们的研究成果发表在《自然通讯》杂志上。
CoVFit将分子数据与大规模流行病学数据相结合，提供了一个预测模型，帮助我们理解为什么某些变种成功而其他变种则不成功。这个框架不仅限于追踪病毒的传播，还揭示了其成功的原因，使其成为面对正在进行和未来病毒爆发时进行实时监测和响应的强大工具。
CoVFit模型通过一种创新的方法开发，结合了分子和流行病学数据。该团队专注于刺突（S）蛋白中的突变，这些突变影响病毒逃避过去感染或疫苗接种带来的免疫保护的能力，同时关注人口层面的趋势，如随时间和不同地区的变种流行情况。通过结合这些信息，CoVFit被训练和测试以预测变种的适应性评分。
伊藤教授解释说：“我们开发了一种人工智能（AI）模型CoVFit，基于S蛋白序列预测SARS-CoV-2变种的适应性。利用CoVFit，我们阐明了SARS-CoV-2获得了哪些突变以增强其适应性并反复扩大其传播。”
该模型展示了令人印象深刻的能力，能够高精度地预测单个氨基酸替换对病毒进化的演化影响，提供了关于病毒如何进化和传播的见解。
伊藤教授还指出：“CoVFit有望在高风险变种具有广泛传播潜力时尽早检测到它们，理想情况下是在数据库中仅注册一个变种序列时。”
研究团队进一步开发了一种前瞻性方法，使用CoVFit预测病毒进化。他们系统地生成了计算机模拟突变体，通过在参考菌株中引入所有可能的单个氨基酸替换，并预测每个突变体的适应性。这使得能够识别出在未来变种中出现可能性高的突变。
当应用于奥密克戎BA.2.86谱系时，CoVFit预测S蛋白位置346、455和456处的替换将增强病毒适应性。值得注意的是，这些确切的突变后来在BA.2.86后代谱系——JN.1、KP.2和KP.3中观察到，并随后在全球范围内传播。
伊藤教授总结道：“这些发现强调了CoVFit预测由单个氨基酸替换驱动的进化变化的能力。”
总之，CoVFit代表了我们在预测、解释和应对病毒进化方面的一个重大突破。通过将分子生物学与人群层面的数据通过AI结合，它提供了一种灵活、透明和及时的方法来准备应对大流行。随着病毒继续进化，像CoVFit这样的工具将在指导积极和知情的公共卫生响应方面发挥关键作用。
(全文结束)
