新危险？计算机发现了10多万个藏在现有基因数据中的新病毒

【导读】1月26日，《自然》发文《新危险？计算机在原有基因数据中发现10万个新病毒》，文章指出，关于未来疫情的线索可能隐藏在现有基因数据中。

仅仅一种新冠病毒，就使世界经济瘫痪，导致数百万人死亡。 

然而，病毒学家估计，目前仍有数万亿种未知病毒存在。 

其中，许多可能是致命的，或有可能引发下一次大疫情。 

 2022年1月27日全球疫情数据 

1月26日，科学家在Science上发文，题为《新危险？计算机在原有基因数据中发现10万个新病毒》，指出关于未来疫情的线索可能隐藏在现有基因数据中。 

因为病毒数增加了一个量级，研究将使用RNA，而不是DNA。 

「这是一项基础性工作。」美国国家医学图书馆J. Rodney Brister说。 

研究还将启动所谓的拍字节（Petabytes)基因组学，1PB=1024TB，将对RNA和DNA进行数据分析。 

「这也表明我们对病毒的认识严重缺乏。」疾病生态学家Peter Daszak说。 

Peter Daszak是纽约市生态健康联盟的主席，这是一个非营利性研究组织，该组织正在筹集资金开展一项全球病毒调查。 

通过筛选空前规模的现有基因组数据，科学家们发现了近13.2万个RNA病毒基因组。 

「这是一项令人印象深刻的工程壮举！」生物信息学家C. Titus Brown说。 

美国国家医学图书馆 

时间回到2020年初，剑桥大学计算生物学家Artem Babaian开始这项工作。 

Babaian很好奇，他想，除了这次暴发的新冠病毒COVID-19以外，还有多少冠状病毒序列？ 

带着这个疑问，Babaian找到了Jeff Taylor，Taylor是一名超级计算专家，他们联合检索了基因组数据。 

这些数据已经存储在一个全球序列数据库中，并由美国国家卫生机构负责。到目前为止，这个数据库包含了16拍字节的存档序列，这些序列来自从河豚到土壤再到人类的各种基因数据。在这些样本中，感染不同生物体的病毒基因组都可以通过测序得到，而它们通常无法被检测出来。 

Babaian和Taylor设计了一套专门用于搜索云数据的计算工具，在其它几位生物信息学专家的帮助下优化了软件。他们的分析「比任何人想象得都要快」，每天可以处理100万组数据，每组数据的计算成本不到1美分。 

他们很快将病毒搜索范围扩大到冠状病毒之外，并查看了云中的所有数据，这类病毒还包括那些导致流感、脊髓灰质炎、麻疹和肝炎的病毒。 

其实，新数据库并没有每个新病毒的完整序列，只有RNA聚合酶（RNA polymerase）的基因。 

 RNA聚合酶 

研究人员通过寻找RNA聚合酶来进行研究，RNA聚合酶是所有RNA病毒复制的关键。 

为此，研究人员利用部分序列来构建家谱，揭示不同病毒之间的关系，以及它们的进化规律，还可以找出特定病毒的发现地点和宿主。 

「我们已经把数据库变成一个巨大的病毒监控网络。」Babaian说。 

生物信息学家C. Titus Brown表示，这可以帮助研究人员更好地理解人类病原体是如何产生的，并改进病毒感染的诊断测试， 

「当一种新的病毒从病人身上分离出来时，研究人员可以更容易地判断它，是否已经在其他地方被发现。」Brown说。 

病毒公共数据库： https://www.serratus.io/ 

在一些水生动物中，比如，河豚，蝾螈，研究发现了未知的冠状病毒，并可据此拼凑出整个病毒基因组。序列表明，「新型冠状病毒基因组有两个独立的环，而不是通常的单个RNA链。Babaian的报告如此陈述。 

在噬菌体的研究中，人、猫、狗都发现了巨型噬菌体，噬菌体是侵袭细菌的病毒，也是赋予宿主菌生物学性状的遗传物质，研究找到了超过250种噬菌体，这些病毒与藻类病毒相似。 

为此，Babaian团队创建了一个公共资源库，在这个公共资源库中，其他人可以利用这项研究的工具与成果。 

一项基于云计算的分析，发现了9种新型冠状病毒 

参考资料：

https://www.science.org/content/article/new-dangers-computers-uncover-100-000-novel-viruses-old-genetic-data

https://www.serratus.io/

本文来自微信公众号“新智元”（ID:AI_era），编辑：时光，36氪经授权发布。