微生物所王军和王奇慧团队在用机器学习方法预测哺乳动物的新冠易感性中取得重要进展

图注：预测模型构建流程

王军团队因此提出利用机用多种器学习方法构建预测模型，判定不同ACE2与新冠病毒spike结合能力，并且选择了12个来源于蝙蝠的ACE2进行实验验证用以确认其结合能力。在预测能结合的6个ACE2中，有4个被验证能结合；同时，在预测的6个ACE2中，有5个被证实为不能结合，精确度到达了80%。该研究还通过两个独立的测试集进验证了预测结果，涉及>50种蝙蝠物种，并达到>78%的准确率。最后，利用该方法对204种哺乳动物的大规模筛选显示，有144种（或61%）对SARS-CoV-2是易感的，突出了对哺乳动物进行密集监测和研究的重要性。

该研究以“Machine Learning Approach Effectively Predicts Binding BetweenSARS-CoV-2 Spike and ACE2 Across Mammalian Species— Worldwide, 2021”为题在《中国疾病预防控制中心周报》（CCDC Weekly）的COVID-19专刊上发表。中国科学院微生物研究所病原微生物与免疫学重点实验室博士生马越，博士生胡钰为并列第一作者，中国科学院微生物研究所王军研究员和王奇慧研究员为通讯作者，中国科学院微生物研究所高福院士为共同作者。该研究得到了中国科学院战略性先导科技专项，国家自然科学基金新冠专项和山东省重大科研项目的经费支持。