病毒与人类的健康密切相关，但人类已知已确认的病毒种类仅有5000余种，这只是病毒世界的冰山一角。传统RNA病毒鉴定方法高度依赖于序列同源性比对，即通过比较未知病毒与已知病毒的序列相似性来进行识别。然而，RNA病毒种类繁多且高度分化，传统方法难以捕捉缺乏同源性或同源性极低的“暗物质病毒”，新病毒发现的效率较低。

　　AI与病毒学研究的结合正在突破这一难题。本篇论文提出了全新的深度学习模型"LucaProt"，它基于Transformer框架与大模型表征技术，结合蛋白质序列和内在结构性特征，在独立的测试数据集上表现优异，具有极高的准确性(假阳性率仅为0.014%)和特异性(假阴性率为1.72%)。

　　据介绍，研究团队对来自全球生物环境样本的10487份数据进行病毒挖掘，发现了513134条病毒基因组，代表161979个潜在病毒种及180个RNA病毒超群。使RNA病毒超群数量扩容约9倍，病毒种类增加约30倍，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”。

　　该论文还揭示了多个病毒学领域新发现，例如发现迄今为止最长的RNA病毒基因组，长度达到47250个核苷酸；识别出超出以往认知的基因组结构，展示了RNA病毒基因组进化的灵活性。此外，在高温的深海热泉等极端环境中，RNA病毒依旧存在多样性。

　　中山大学医学院教授施莽表示，在科研领域，AI的应用已经势不可挡，通过AI方法探索科学问题已取得了重要突破。“这种研究范式将成为未来科学界的常态，也可能成为我们认知世界的重要手段。”

　　该论文共同第一作者、阿里云飞天实验室算法专家贺勇表示，基于“AI+病毒学”的新研究框架刷新了人类对病毒圈的认识，随着这种认识的不断完善，有助于人类对未来可能发生的大流行进行预警，以及进一步推动RNA病毒疫苗的研发。