开放科学如何帮助研究人员为下一次大流行做准备

COVID-19暴发时，科学家手里有一张底牌：数十年冠状病毒研究积累，让他们对关键蛋白了解得足够多，从而在创纪录时间内设计出疫苗。但下一次大流行未必给同样的先手。NVIDIA联合Google DeepMind、EMBL-EBI等机构，开放发布了2800多种病毒蛋白复合物的预测三维结构，任何科学家都可以通过AlphaFold数据库获取。

项目合作者、格拉斯哥大学病毒研究中心的Joe Grove把这件事说得很直白：下一次大流行可能出现完全陌生的病原体，届时不会再有COVID那样的知识存量，所以现在要做的就是提前把知识囤起来。

这些结构并非实验测定，而是由Google DeepMind的AlphaFold2模型推断，并使用NVIDIA BioNeMo Inference Runtime进行优化，从而把推断扩展到数千个病毒蛋白质组，预测每个病毒所编码的复合物——即一组相互作用的蛋白。

NVIDIA同时开源了BioNeMo Structure Prediction Pipeline，也就是生成该数据集的GPU加速工作流，使研究人员可以从蛋白序列出发，预测自己目标的三维结构。这一步的意义在于：数据集本身是成品，而流程是工具，后者决定了这套方法能否被外部团队复用到新靶点上。

大多数蛋白并不单独工作，它们聚成多分子复合物来执行复杂功能，而这些结构往往正是疫苗或药物需要靶向、以破坏病毒功能的对象。理解COVID-19病毒刺突蛋白的三维结构，被证明是疫苗设计的基础；而对数千种其他病毒，今天还不存在这样的结构知识。

该数据集按置信度标注预测结果，展示的是病毒复合物可能的样子，以及单个蛋白在病毒蛋白质组内可能如何相互作用。NVIDIA数字生物学应用研究科学团队负责人Chris Dallago称其为“假设生成的引擎”，让生物学家和AI社区能够把蛋白相互作用作为复合物、而非单分子来研究。

发布方称，加入该数据库的蛋白相互作用中约30%对科学界完全陌生，其相互作用形态从未在蛋白质数据库（Protein Data Bank）中被记录过。蛋白质数据库是实验测定蛋白结构的主要存储库，这意味着这部分内容不是既有知识的重新整理，而是可供生物学界探索的新线索。

这一比例由发布方给出，尚无独立核实。它衡量的是“新”，而不是“对”——新相互作用是否真的能转化为诊断、药物或疫苗上的进展，来源中没有给出验证结果。

传统蛋白结构测定方法——把蛋白结晶并用X射线照射——每个结构可能耗时数年、花费数千美元；而AlphaFold2预测一个结构只需数分钟，并且可以批量运行。这一数量级差异，正是把结构预测扩展到数千个病毒蛋白质组的前提。

项目系统处理了已知可感染人类的病毒家族的蛋白结构，涵盖从普通感冒病毒到Mpox等新发威胁。该数据集贡献于AlphaFold数据库，后者目前收录超过2.6亿个蛋白及蛋白复合物预测，覆盖几乎所有已知被编目的蛋白质。

合作方涵盖流行病防范创新联盟（CEPI）、EMBL-EBI、Google DeepMind、NVIDIA、首尔大学、成均馆大学、瑞士生物信息研究所和格拉斯哥大学。数据集发布恰逢世界经济论坛在纽约联合国大会期间召开关于大流行预防、准备与应对的会议。

EMBL-EBI临时主任Jo McEntyre表示，该数据集还覆盖研究较少的病毒，并降低了直面疫情的低资源地区科学家获取数据的门槛。这一可及性收益目前是定性表述，来源未给出量化。

首先，数据集提供的是预测而非实验确定的结构。科学家可以通过实验方法验证高置信度的预测结构，但验证本身需要额外工作，预测的置信度标注也提醒使用者：结构展示的是“可能的样子”。

其次，上述信息均来自NVIDIA官方博客的新闻稿，属于发布方自述，尚无独立第三方对该数据集的规模或质量进行验证。约30%全新相互作用的比例、以及约50%的大流行概率估计，前者由发布方给出，后者来自全球发展中心的分析，都属于外部或单方估计，而非本项目的实测结论。

第三，BioNeMo Structure Prediction Pipeline开源后的实际采用情况与效果未知；AlphaFold2预测结构在实际疫苗或药物研发中的有效性，来源中也没有给出验证结果。该发布与联合国大会相关会议在时间上重合，来源未说明其对政策的具体影响。