超十万种新病毒藏身旧基因数据

现实告诉人们，仅仅一种病毒就能使世界经济陷入瘫痪，导致数百万人死亡。而病毒学家估计，目前仍存在数万亿种未知病毒，其中许多是致命的，可能引发下一次疫情大流行。

最近，通过对数量空前的现有基因组数据进行筛选，科学家发现了10万多种新病毒，其中包括9种冠状病毒和300多种与丁型肝炎病毒（可导致肝衰竭）有关的病毒。日前，相关成果发表于《自然》。

2020年初，加拿大计算生物学家Artem Babaian想知道，除了引发新冠肺炎疫情的病毒之外，现有的基因组数据库中还有多少种冠状病毒。因此，他和超级计算机专家Jeff Taylor搜集了云基因组数据。这些数据被存储在全球序列数据库中，由美国国立卫生研究院研究所上传。截至目前，该数据库包含了16拍字节的存档序列。

为了筛选大量数据，Babaian和Taylor设计了一套专门用于搜索云数据的计算机工具。该方法速度足够快，每天可以处理100万个数据集，每个数据集的计算成本不到1美分。他们最终发现了近13.2万个RNA病毒的部分基因组。

新数据库并没有每种新病毒的完整序列，但研究人员可以利用部分序列来构建家谱，从而揭示不同病毒之间的关系，以及它们是如何进化的。他们还可以利用数据库找出特定病毒的发现地点和宿主。

“我们已经把这个数据库变成了一个巨大的病毒监控网络。”Babaian说。团队已经创建了一个公共存储库，存储开发的工具及相应结果，以方便其他人使用。（文乐乐）