随着COVID-19在世界各地的传播，科学家们夜以继日地工作，分析这种病毒，寻找新的治疗方法和治疗方法，并预测它将如何在人群中传播。
他们的一些最强大的工具是超级计算机和粒子加速器，包括阿贡国家实验室(Argonne National Laboratory)的那些。阿贡国家实验室是芝加哥大学(University of Chicago)下属的美国能源部实验室(U.S. Department of Energy Laboratory)。
治愈的x光
为了制造针对covid19的药物，我们首先需要找到一种生化“钥匙”——一种抑制剂分子，它可以完美地隐藏在构成病毒的28种蛋白质中的一种或多种的角落和缝隙中。虽然研究人员已经对病毒的基因进行了排序，但他们还需要知道每一种蛋白质在完全组装后的形状。
这需要一种叫做大分子x射线晶体学的技术，在这种技术中，科学家们培育出微小的晶体，然后用高能得令人难以置信的x射线照射它们，以获得其物理结构的快照。这种x射线束只存在于世界上少数几个特殊的地方，其中之一就是阿贡的先进光子源。
到3月中旬，来自全国各地的研究人员已经使用先进的光子源来鉴定来自SARS-CoV-2的大约12种蛋白质。他们甚至设法捕捉到一些潜在的抑制剂分子“在起作用”。
“幸运的是，我们有了一点先机，”高级光子源生命科学项目负责人鲍勃·菲舍提(Bob Fischetti)说。“这种病毒与2002年爆发的SARS病毒相似，但并不完全相同。在最近爆发之前，科学家利用APS的光谱线数据，从几种不同的冠状病毒中获得了70种蛋白质结构。”
这意味着研究人员已经掌握了如何表达、纯化和结晶这些蛋白质的背景信息，这些信息能使蛋白质结构更快形成，“现在大约一周几次，”他说。
Fischetti将寻找合适的蛋白质抑制剂比作发现大小和形状都完美的乐高积木。他说:“这些病毒蛋白就像一个个粘乎乎的大球，我们叫它们球状蛋白。”“但它们内部有可能与抑制剂结合的口袋或缝隙。”
通过使用x射线，科学家可以获得病毒蛋白凹槽的原子水平视图，并查看哪些可能的抑制物(无论是已经存在的还是尚未开发的)可能最好地驻留在不同蛋白的凹槽中。
现有抑制剂的困难在于，它们往往只与COVID-19蛋白结合，这可能意味着极高的剂量可能会导致患者的并发症。根据Fischetti的说法，研究小组正在寻找一种具有更强亲和力的抑制剂，使其能够作为一种副作用更少或没有副作用的药物使用。
Fischetti说，为了一个共同的基本目标而进行的合作科学的快速发展是他在职业生涯中从未见过的。他说:“一切都在以令人难以置信的速度向前发展，有太多的东西在移动，很难跟上。”
计算COVID-19危机
超级计算机也可以在寻找抑制剂方面发挥作用。作为COVID-19高性能计算联盟的一部分，Argonne和芝加哥大学的研究人员正与来自政府、学术界和工业界的研究人员一起努力，将16个不同的超级计算系统的能力结合起来。
在Argonne，使用实验室的Theta超级计算机的研究人员已经与来自全国各地的其他超级计算机建立了联系。这些超级计算机以其强大的综合能力为动力，模拟了来自药物库的数十亿个不同的小分子如何与不同的病毒蛋白区域结合。
我们已经有了许多潜在候选药物的数据库——这样的“图书馆”包括了小分子的目录，这些小分子的数量在数亿到数十亿之间。因此，问题是如何缩小范围。对每一种病毒蛋白的每一种候选药物进行单独的模拟，即使超级计算机是全天候运行的，也要花费许多年的时间——这是科学家们所没有的时间窗口。
幸运的是，这是一个为新的人工智能和机器学习技术量身定做的问题。为了尽可能有效地锁定最有可能的候选者，计算生物学家可以使用这些技术对各种可能性进行一种有根据的筛选。
Arvind Ramanathan是Argonne数据科学与学习部门的计算生物学家，他说:“当我们研究这种病毒时，我们应该意识到，它不可能只是我们研究的单一蛋白质——我们需要将所有的病毒蛋白质作为一个整体来研究。”“通过使用机器学习和人工智能方法来筛选病毒中多种靶蛋白的药物，我们可能有更好的途径获得抗病毒药物。”
100亿个配置被迅速削减到大约600万个位置，然后研究人员可以对这些位置进行更深入的模拟，以确定哪个是最佳候选。
在一天结束的时候，他们发现了一些候选的抑制剂，这些抑制剂可以反馈给科学家，科学家可以制造这些分子，将它们注入病毒蛋白，然后使用先进的光子源来检查分子的工作情况。“这是一个迭代的过程，”Argonne计算、环境和生命科学理事会的副实验室主任Rick Stevens说。“他们为我们提供结构，我们为他们提供模型——最终我们希望找到一些行之有效的方法。”
代理创建模型
计算机还可以帮助科学家模拟COVID-19在人群中的传播。Argonne专门研究一种叫做“基于代理的模型”的模型。基于代理的模型不是假设一群做同样事情的“普通人”，而是创建一个独立行动的虚拟人群。Argonne研究人员开发的基于代理的模型包括近300万个独立的代理，每个代理都可以前往120万个不同的地点中的任何一个。每个代理的动作由每小时的时间表决定。
他们正在修改这个模型，以便将每天发表在科学文献上的关于病毒毒性特性的实时报告纳入其中。
目前，Argonne团队正在开发一个基线模拟——从本质上看，是为了看看如果人们照常工作，我们的社区会发生什么。但真正的目标是能够广泛地模拟决策者为了减缓病毒的传播而能够实施的各种干预措施(或可能的额外干预措施)。
“我们的模型模拟一个城市中相互作用的个体，”阿贡的计算科学家Jonathan Ozik说，他帮助领导阿贡的流行病学建模研究。“如果学校停课，我们看到应该上学的人没有去上学，我们可以看看人口水平的结果，比如学校停课如何影响多少人接触到病毒。”
拥有一个完整城市的计算机模型的好处是它代表了一个“实验室”，决策者可以在不实际执行的情况下观察不同的决策可能会如何影响一个人口。“知道在地区或国家范围内做什么决定，以及什么时候在全球范围内的战斗中是至关重要的，”Argonne的科学家、基于代理的建模的先驱Charles Macal(奇克)说，他也是这项研究的领导者。“我们正在开发一种模型，它将有助于提供有关哪些决策最有效的信息。”
这些努力的资金来源包括美国国立卫生研究院(National Institutes of Health)和美国能源部(U.S. Department of Energy)等机构的支持。
-改编自Jared Sagoff的一篇文章，该文章最初由Argonne国家实验室发表。