新危险？计算机发现了10多万个新病毒，或可引发大疫情新智元报道编辑：时光【新智

文章图片
新智元报道
编辑：时光
【新智元导读】
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。

文章图片

文章图片
2022年1月27日全球疫情数据
「这是一项令人印象深刻的工程壮举」
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。

文章图片
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.RodneyBrister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PeterDaszak说。
PeterDaszak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.TitusBrown说。

文章图片
美国国家医学图书馆
「比任何人想象得都要快」
时间回到2020年初，剑桥大学计算生物学家ArtemBabaian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JeffTaylor ， 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（RNApolymerase）的基因。

文章图片
RNA聚合酶
「变成一个巨大的病毒监控网络」
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。