用Co-Scientist解码新发传染病的分子开关

Clare Bryant最近的研究方向，是用一款叫Co-Scientist的工具，找新发传染病的遗传触发点。这些触发点，就是让病原体变成能感染人的新毒株、或者能跨物种传播的“分子开关”。

她在解决一个具体的卡点

别觉得找这些开关是小事。新发传染病刚冒头的时候，病原体的基因数据是一堆乱码一样的片段，科研人员要从海量基因位点里，揪出哪一个或者哪几个，是让它具备感染能力的关键。之前很多研究都卡在这一步——耗时久，还容易漏。Clare Bryant没自己硬扛，选了Co-Scientist来帮她筛。对，就是用这个工具，直接定位那些可能的遗传触发因素，不用全量排查。

Co-Scientist的核心作用

你可能会问，这个工具到底有啥不一样？说白了，它是把“大海捞针”变成了“定向找针”。之前科研人员得一个个去验证每个基因的功能，现在用Co-Scientist，能快速把范围缩小到几个最有可能的节点。Clare Bryant的目标很明确：不是随便找个基因，是找那个能直接导致新发传染病出现的“开关”——比如，让病原体能结合人体细胞的那个基因片段，或者让它逃避宿主免疫的那个突变点。

对当下科研的实际影响

现在新发传染病的出现频率不低，每一次都要抢时间。Clare Bryant用Co-Scientist，本质上是把科研里最费时间的“数据筛选”环节，给提速了。之前很多团队花在找触发点上的时间，能占到整个研究周期的一半甚至更多，现在用工具辅助，能把这部分时间压缩。这意味着，科研人员能更快转向后续的防控方案，不用等病原体扩散了再追着补漏洞。

我觉得这个方向挺扎实的，没有搞虚头巴脑的概念，就是用现有工具解决实际的科研痛点。不过有个问题：当科研人员习惯用这类工具来找关键节点，会不会慢慢失去自己挖掘线索的能力？毕竟那些意外的、非定向的发现，有时候才是推动医学进步的关键。比如当年新冠病毒的一些关键突变，就是靠科研人员自己的直觉和意外发现找到的，而不是全靠工具筛选的结果。这事儿，还真不好说。

素材来源：Google DeepMind Blog · AI情报、科研前沿
查看报道原文