智能预测流感演化：VaxSeer如何重塑疫苗决策
每年，全球公共卫生机构都面临一项关键且高风险的决策：确定下一年度流感疫苗应包含的病毒株。这项选择必须在流感季节到来前数月完成，这使得它成为一场与时间赛跑的挑战。如果所选毒株与实际传播的病毒株高度匹配，疫苗将提供卓越的保护。然而，一旦预测出现偏差，疫苗的保护效果便会显著下降，可能导致可预防的疾病爆发，并给医疗系统带来沉重压力。这种挑战在新冠疫情期间尤为突出，新变种的不断出现使得疫苗研发和部署面临前所未有的压力。流感病毒同样狡猾，其持续且不可预测的突变特性，使得我们难以领先一步，设计出持续有效的疫苗。
为了降低这种不确定性，麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）与MIT Abdul Latif Jameel机器学习健康诊所的研究人员，共同开发了一款名为VaxSeer的AI系统。该系统旨在通过预测优势流感病毒株并识别最具保护性的候选疫苗，使疫苗选择过程更加精准，减少对经验判断的依赖。VaxSeer运用深度学习模型，基于数十年的病毒序列数据和实验室检测结果进行训练，以模拟流感病毒可能如何演化以及疫苗将如何响应。
突破传统：组合突变与动态优势度的建模
传统的病毒演化模型往往独立分析单个氨基酸突变的影响。然而，VaxSeer采取了一种更为全面的方法。它利用一个大型蛋白质语言模型，学习病毒株优势度与突变组合效应之间的复杂关系。这使得VaxSeer能够捕捉到传统模型难以发现的细微变化。更为重要的是，不同于假设病毒变异体分布静态的现有蛋白质语言模型，VaxSeer能够对动态的优势度转变进行建模，这使其在应对流感这类快速演化的病毒时表现出更强的适应性与预测能力。这种创新性的建模方法，是VaxSeer超越现有工具的关键所在。
VaxSeer的核心预测引擎：优势度与抗原性
VaxSeer系统包含两个核心预测引擎：
- 优势度预测：评估每种病毒株传播的可能性及其随时间扩散的速度。
- 抗原性预测：估算给定疫苗能多有效地中和特定病毒株。
这两个引擎协同工作，生成一个“预测覆盖评分”。这是一个前瞻性指标，用于衡量特定疫苗在未来对抗病毒时的预期表现。该评分的范围从无限负值到0，评分越接近0，表明疫苗株与循环病毒之间的抗原匹配度越高，即保护效果越好。这可以形象地理解为某种“距离”的负值，距离越近，匹配度越高。
回顾性验证：VaxSeer的卓越表现
研究人员进行了一项长达10年的回顾性研究，评估了VaxSeer对两种主要流感亚型——A/H3N2和A/H1N1的疫苗推荐与世界卫生组织（WHO）的建议。结果显示，对于A/H3N2亚型，VaxSeer的推荐在10个流感季中有9个季度的表现优于WHO，其评估基于回顾性经验覆盖评分（该评分是通过结合过去季节的观测优势度与实验性血凝抑制试验结果计算得出的疫苗有效性替代指标）。对于A/H1N1亚型，VaxSeer在10个流感季中有6个季度表现与WHO持平或更优。值得注意的是，在2016年流感季，VaxSeer识别出了一种WHO在次年才选择的病毒株，这充分展示了其超前的预测能力。此外，VaxSeer模型的预测与美国疾病控制与预防中心（CDC）、加拿大哨点医生监测网络以及欧洲I-MOVE项目报告的真实世界疫苗效力估计值表现出高度相关性。VaxSeer的预测覆盖评分与公共卫生数据中由疫苗接种预防的流感相关疾病和就医人数紧密吻合，进一步验证了其在实际应用中的潜力。
机制剖析：数据如何转化为洞察
VaxSeer如何从海量数据中提炼出这些关键洞察？其工作原理可概括为：首先，模型利用蛋白质语言模型估算病毒株随时间的传播速度，并通过考量不同病毒株之间的竞争来确定其优势度。一旦模型完成这些洞察计算，它们便被整合到一个基于常微分方程的数学框架中，以模拟病毒随时间扩散的过程。对于抗原性，系统估算给定疫苗株在常用的血凝抑制试验中的表现。这项试验衡量抗体抑制病毒与人类红细胞结合的效率，是衡量抗原匹配度或抗原性的广泛使用的指标。
超越流感：对传染病预防的深远影响
通过对病毒演化和疫苗相互作用的建模，VaxSeer等人工智能工具能够帮助卫生官员做出更明智、更快速的决策，从而在感染与免疫的竞赛中保持领先。目前，VaxSeer主要关注流感病毒的HA（血凝素）蛋白，这是流感的主要抗原。未来的版本可以整合如NA（神经氨酸酶）等其他蛋白质，以及免疫历史、生产限制或剂量水平等因素。将该系统应用于其他病毒，则需要大规模、高质量的数据集，这些数据集需同时追踪病毒演化和免疫响应，而此类数据并非总是公开可用。然而，研究团队正在致力于开发在低数据量情况下预测病毒演化的方法，通过建立病毒家族之间的关系来实现。鉴于病毒进化的速度，当前的治疗药物研发往往滞后。VaxSeer正是我们迎头赶上的尝试。正如麦克马斯特大学生物化学与生物医学科学系的助理教授乔恩·斯托克斯（Jon Stokes）所言，该团队在低数据环境下预测病毒演化方面的持续工作尤为令人兴奋。其潜在影响远超流感范畴。设想能够预测抗生素耐药细菌或抗药性癌症如何演化，这两者都能够迅速适应。这种预测建模开辟了一种思考疾病变化的新方式，使我们有机会在“逃逸”成为主要问题之前，就设计出临床干预措施，从而大大提升公共卫生的应对能力与效率。VaxSeer的成功不仅为流感疫苗的未来带来了光明，也为整个传染病预防领域树立了新的里程碑。
