据介绍，传统的病毒发现方法包括病毒分离和生命组学的生物信息学分析，高度依赖既有知识，面对RNA病毒这种高度分化、种类繁多且容易变异的病毒识别效率低。该研究团队开发的LucaProt人工智能算法能够对病毒和非病毒基因组序列深度学习，并在数据集中自主判断病毒序列。

利用这套算法，研究团队在来自全球生物环境样本的10487份RNA测序数据中发现了超过51万条病毒基因组，代表超过16万个潜在病毒种及180个RNA病毒超群。其中23个超群无法通过序列同源方法识别，被称为病毒圈的“暗物质”。

通过进一步分析，团队报告了迄今最长的RNA病毒基因组，长度达到47250个核苷酸；发现了超出以往认知的基因组结构，展现出RNA病毒基因组进化的灵活性；识别到多种病毒功能蛋白，特别是与细菌相关的功能蛋白，进一步表明还有更多类型的RNA噬菌体亟待探索；发现在南极底泥、深海热泉、活性污泥和盐碱滩等极端环境中，RNA病毒的数量和多样性仍然较高。

“人工智能的算法模型能够挖掘出我们之前忽略或根本不知道的病毒，这种能力在疾病防控和新病原的快速识别中尤为重要。特别是在疫情暴发时，人工智能的速度和精度可以帮助科学家更快地锁定潜在病原体。”施莽介绍说，研究显示病毒的多样性远超人类想象，人类目前所看到的仍是冰山一角，未来病毒分类体系可能会有大规模的调整。(完)