宾夕法尼亚大学医学院的研究人员巧妙地将人工智能算法与传统实验方法融合，成功筛选出针对肠道病毒71型（EV71）的潜在候选药物。这项研究表明，即使在实验数据有限的情况下，AI依然可以做出可靠的抗病毒预测。研究团队利用少量小分子样本训练机器学习模型，使其能够识别抑制病毒的关键分子结构和化学特征。实验结果显示，AI筛选的化合物命中率远高于传统方法，大大缩短了药物研发的时间，为应对EV71等病毒感染提供了新的解决方案。

🔬AI算法与传统实验结合：宾夕法尼亚大学医学院的研究人员利用AI算法，结合包含36个小分子的初始样本库训练机器学习模型，加速筛选EV71的候选药物。

🎯AI筛选高命中率：实验验证表明，AI筛选的八种化合物中有五种成功延缓病毒复制，命中率比传统方法高十倍，显著提高了药物研发效率。

⏱️时间成本降低：AI驱动的筛选方法将原本需要数月的试错过程缩短至几天，尤其在数据有限的情况下，显示出极高的效率优势。

🦠对抗EV71新思路：计算机模拟证实，五种有效化合物能附着在病毒特定位点，为阻断病毒入侵细胞提供了新的思路，有望开发出针对EV71的特效药物。

美国宾夕法尼亚大学佩雷尔曼医学院的研究人员将人工智能（AI）算法与实验室传统方法相结合，成功筛选出针对肠道病毒71型（EV71）的潜在候选药物。EV71是引发大多数手足口病病例的病原体。这项研究成果最近发表在《细胞报告：物理科学》（Cell Reports Physical Science）杂志上，表明即使实验数据有限，AI仍能做出可靠的抗病毒预测。

研究团队利用包含36个小分子的初始样本库训练机器学习模型，使其识别抑制病毒的关键分子结构和化学特征，并对化合物阻断EV71的可能性评分。实验验证显示，AI筛选的八种化合物中有五种成功延缓病毒复制，命中率比传统方法高十倍。这一方法将原本需数月的试错过程缩短至几天，在数据有限的情况下尤为高效。

EV71感染可能从轻微症状发展为严重神经系统并发症，对儿童和免疫力低下者威胁较大，目前尚无FDA批准的特效药。计算机模拟证实，五种有效化合物能附着在病毒特定位点，为阻断病毒入侵细胞提供新思路。

研究人员表示，该技术可作为快速抗病毒发现的模板，无论是应对新出现的肠道病毒、呼吸道病原体，还是再现病毒如脊髓灰质炎，AI驱动的方法均能加速解决方案开发，助力未来疫情快速响应。