2026年4月3日，上海人工智能实验室联合复旦大学、上海交通大学医学院附属瑞金医院及上海市病毒研究院，在arXiv平台发布了ViraHInter双模态AI框架。该模型无需湿实验即可预测病毒蛋白与宿主蛋白的相互作用，在33种不同病毒（包括新冠病毒和多种流感病毒）上完成验证。在序列保守性受控测试中，其预测精度AUPR达0.50，比AlphaFold3高4.5倍，比其他方法高6倍以上。

双模态架构：让AI同时读懂病毒的“形”与“码”

传统蛋白相互作用预测方法存在明显局限。要么只分析氨基酸序列——病毒的遗传密码；要么只分析三维结构——病毒的立体形态。单一模态难以应对病毒的快速变异和不同病毒家族之间的巨大序列差异。

ViraHInter的核心突破在于融合了双模态信息。结构生成分支负责生成病毒与宿主蛋白复合物的全原子三维结构，精确描绘界面每个原子的空间贴合关系，直接为后续药物设计提供结构基础。序列表示分支借助蛋白语言模型，从海量蛋白进化信息中识别保守模式，即使病毒在表面蛋白上发生快速变异，也能抓住那些不变的“核心特征”。

两个分支通过注意力机制深度融合：面对结构清晰的蛋白，模型更依赖结构信息；面对快速变异或无序的病毒蛋白，则更依赖序列信息。这种自适应融合策略，是ViraHInter能够跨病毒家族泛化的技术底座。研究团队已在33种不同病毒上验证了模型的有效性，包括新冠病毒、多种流感病毒亚型以及MERS-CoV等。

从实际应用看，ViraHInter的临床价值在于三个层面。第一，快速筛选候选靶点——传统实验方法从确定病毒序列到找到关键宿主因子通常需要数月甚至数年，ViraHInter将这一周期压缩到几周。第二，全原子三维复合物结构的生成可直接用于基于结构的药物设计，加速先导化合物发现。第三，面对全新出现的病毒，只需知道其蛋白序列即可推断它会攻击哪些人体蛋白，为疫情防控争取宝贵时间。

性能碾压：AUPR 0.50 vs AlphaFold3 0.11，锁定33个共享宿主因子

在最接近真实筛选场景的1:1000正负样本极度不平衡评测中，ViraHInter的AUPR达到0.44，显著超越RoseTTAFold2-PPI（0.28，2025年发表于《科学》）、AlphaFold3（0.23，2024年发表于《自然》）和RF2-Lite（0.10，2024年发表于《自然·微生物学》）。但更具说服力的测试来自序列保守性受控拆分实验——测试病毒与训练集中病毒的序列相似度不超过60%。这一设计模拟了模型面对“从未见过”的新发病原体的泛化能力。在此条件下，AlphaFold3的AUPR骤降至0.11，而ViraHInter依然维持在0.50，是其4.5倍，比其他方法高出6倍以上。

该模型在多种病毒上均表现优异。利用SARS-CoV-1/2及MERS-CoV编码的蛋白进行验证时，ViraHInter在不同排名阈值下对有实验证据支持的高可信病毒-宿主互作对的富集曲线持续高于AlphaFold3，前10%预测的互作对中高可信互作对占比达27.8%，实现了2.78倍富集。

ViraHInter在流感研究中的应用尤其值得关注。科研团队对人类全蛋白组范围内H1N1、H3N2、H9N2三种流感亚型的10个关键病毒蛋白进行了系统筛选，最终锁定33个被三种亚型共同靶向的核心宿主因子。所谓共享宿主因子，是指被多种不同病毒共同利用来完成感染和复制的宿主细胞蛋白。尽管这三种流感亚型的表面蛋白序列差异显著，它们所依赖的人体宿主蛋白却高度重合。其中12个因子在已有研究中已被证实参与流感感染过程，但从未有任何病毒-宿主物理互作的实验记录，ViraHInter首次揭示了这些潜在的相互作用。

广谱抗病毒药物的核心思路正是靶向这些共享宿主因子。如果一种药物能够阻断病毒对这些核心蛋白的“劫持”，理论上可以同时对抗多种流感亚型，从根本上绕过病毒表面蛋白不断变异的难题。ViraHInter为这一思路提供了系统性的靶点筛选工具。该研究成果已以论文形式在arXiv预印本平台公开。

特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。