Nat Mach Intell | 田永鸿/陈杰团队提出进化启发的深度学习通用预测框架，实现跨病毒类型的统一预测

本文介绍了北京大学信息工程学院田永鸿教授和陈杰副教授团队在Nature Machine Intelligence上发表的研究，提出了一种基于进化论的深度学习框架E2VD，用于跨病毒类型和毒株类型的统一预测。该研究通过定制化的蛋白质语言模型和创新的“微弱突变放大”与“稀少有益突变挖掘”技术，解决了病毒进化中的两大难题：少数位点突变和稀少有益突变。E2VD框架在多个病毒进化预测任务中表现出色，显著提升了预测精度，特别是在稀少有益突变的预测上，精度从13%提升至80%。此外，E2VD展示了强大的泛化能力，适用于多种病毒类型，包括新冠病毒、寨卡病毒、流感病毒和艾滋病病毒。该研究不仅为疫苗和药物的快速更新提供了工具，也为理解物种复杂进化机制提供了新的视角。