10月9日
位于光明科學城的
中山大學醫學院施莽教授團隊
與阿裡雲李兆融團隊
在《細胞》（Cell）雜志上發表論文
報告了180個超群、超過16萬種
全球RNA病毒的發現
這是迄今為止規模最大的RNA病毒研究
大幅擴充了全球RNA病毒的多樣性
該研究将人工智能技術應用于病毒鑒定
發現了傳統方法未能發現的病毒“暗物質”
探索了病毒學研究的新路徑
中山大學深圳校區位于光明區公常路66号，占地面積約144萬平方米，總建築面積約127萬平方米。中山大學深圳校區是中山大學的主體校區之一，自2015年深圳市人民政府與中山大學開啟合作以來，中山大學深圳校區已有17個整建制學院，2家附屬醫院，129萬平方米的校舍建築，近15000位師生，學科布局全鍊條、全覆寫對接深圳“20+8”産業叢集規劃，雙方互相支撐，成為市校合作的典範。
中山大學醫學院是中山大學擁有深圳校區的緣起，學院的建設是整個深圳校區戰略布局的重中之重。論文釋出後，深圳衛視&壹深圳用戶端記者第一時間對施莽教授進行了采訪。
傳統病毒發現方法遇瓶頸
人工智能突破“已知”探“未知”
傳統的病毒發現方法包括病毒分離和生命組學的生物資訊學分析，高度依賴既有知識，面對RNA病毒這種高度分化、種類繁多且容易變異的病毒識别效率低。
在該研究中，團隊開發的LucaProt人工智能算法能夠對病毒和非病毒基因組序列深度學習，并在資料集中自主判斷病毒序列。
施莽向記者介紹說：“我們搭建的AI驅動模型——LucaProt模型，不僅能夠準确鑒定RNA病毒，還可以發現傳統方法無法發現的病毒，突破了我們對整個病毒圈的認知。”
利用這套算法，研究團隊在來自全球生物環境樣本的10,487份RNA測序資料中發現了超過51萬條病毒基因組，代表超過16萬個潛在病毒種及180個RNA病毒超群。其中23個超群無法通過序列同源方法識别，被稱為病毒圈的“暗物質”。
使用人工智能對全球病毒圈深度挖掘并分類
施莽表示：“人工智能是一種資料驅動的方法。在人工智能的架構下，我們首先收集大量優質資料，讓人工智能通過學習這些資料找到規律，幫助我們進行判斷和預測，并回報它所學到的内容。人工智能是一個非常強大的工具，未來必将在科研的各個領域得到廣泛應用。”
發現大量全新RNA病毒
重新整理全球病毒圈認知
通過進一步分析，團隊報告了迄今最長的RNA病毒基因組，長度達到47250個核苷酸，并發現了超出以往認知的基因組結構，展現出RNA病毒基因組進化的靈活性。
新發現病毒的遺傳多樣性（黃色部分）
同時，團隊還識别到多種病毒功能蛋白，特别是與細菌相關的功能蛋白，進一步表明還有更多類型的RNA噬菌體亟待探索。
“面對遠源的新病毒，現有的病毒分類體系已經顯得力不從心。未來，這一體系在門、綱等更深層次的分類上，可能會有大規模的調整。”施莽說，“我們的研究展示了病毒多樣性的深度，但廣度仍有待更多樣本的補充。病毒的多樣性遠超人類想象，我們目前所看到的仍是冰山一角。”
“我非常幸運能來到深圳”
在純粹包容的科研環境中謀發展
高校是基礎研究主力軍和重大科技突破策源地，更是科技成果的“富礦”。談及這次在中山大學醫學院取得這項科研新成果的感受，施莽說：“我非常幸運能來到深圳！”
（施莽）
他告訴記者，中山大學醫學院不僅引進了來自全球的優秀人才，也為團隊提供了優越的研究環境、充足的空間和先進的裝置，給予了團隊一個非常包容的科研環境。
施莽還提到：“更為重要的是，深圳政府給予了我們強有力的支援，成為我們能夠專注于高水準研究的堅實基礎，讓我們能夠安心地投入到科研工作中。”
（中山大學醫學院）
在深圳，高校和企業之間更是搭建起了雙向“直通車”，産學研基地、聯合實驗室和創新平台遍布各區，科技成果轉化實作了“雙向奔赴”。
施莽說：“要鼓勵高校和企業多合作！高校的優勢在于學術積累和研究氛圍，而企業的強項是效率和資源，兩者結合能産生很多新的想法和成果。”
施莽表示，希望未來繼續與阿裡雲飛天實驗室通過跨領域科研合作，比如評估哪些病毒可能成為下一次引發全球大流行的X病原等等。
内容來源：深圳衛視深視新聞
編輯：麥泳妤
校審：靳峰 陳圓圓 林秋穎
如需轉載，請注明以上内容
END