二次大战时代的战术融入现代巧思,不仅协助对抗致命的伊波拉病毒,还有助于避免爆发悲惨的流感大流行。

来自伊利诺大学厄巴纳香槟分校暨国家超级计算机应用中心的 Eric Jakobsson,以及史丹佛大学的 Amir Barati Farimani,从二次大战的闪电战,还有随机判断防卫伦敦不受德国战机侵袭的高射砲自动射击模式汲取灵感。他们在 GPU 的协助下使用类似的随机算法,发展出多个模拟分子模型,预测哪个抗体最能打击特定的伊波拉病毒株。

伊波拉病毒每三到四年便会出现变种,科学界想要追上这个速度实属不易;而想要击败每三到四个月便出现变种的流感,更是说来话长。对于想跟伊波拉病毒较劲的研究团队来说,可谓一大难题。

“我们明白人类要是依然故我,最终流感会大流行,害死无数人。我们怎么也躲不掉。”Jakobsson 说。

他说:“我们根本想不到病毒出现变种的方式,希望为伊波拉病毒建立的方法,能用在流感上,快速回应新出现的超强病毒株。”

Jakobsson 与史丹佛大学化学系博士后研究员 Farimani,打算以结合历史及科技的方式来对抗伊波拉病毒。他们借镜二次大战历史,利用 NCSA 的 Blue Waters 超级计算机(运行在 NVIDIA Tesla K20X GPU 加速器上)执行 Farimani 提出的分子模拟内容。

加快研究流感病毒的速度

医学研究团队要等着看人体试验的反应,通常要10到15年的光阴和数千人的人力,才能找出对抗伊波拉病毒的抗体。

Jakobsson 与 Farimani 在 Blue Waters 超级计算机上模拟那个过程,并且投入生物信息与大量数据分析资料,缩短了设计伊波拉病毒抗体的时间。

研究团队执行了数百个模拟项目,每项都要运算24到48个小时,最终推算出模拟的伊波拉病毒株在未来两年的运动方式。

“那让我们有了相当大的空间,能够设计出下一代的抗体。”Farimani 说。

Farimani 说要是在 CPU 上运行模拟项目,得花上百倍的时间;而 GPU 的卓越效能让它轻松便解决这项挑战。

Jakobsson 说:“因为GPU,能让我们有更多机会去尝试不同方向。”

迅速回应能力可能会造就出不同结果

 Jakobsson 说在研究团队努力抢先流感的同时,对于运算有着庞大的需求,必需借助使用机器学习和深度学习技术。

“绝大多数的流感病毒株只会引发轻微的病症,造成少数人死亡,但是它仍有爆发大流行的危险。”Jakobsson 说。“我们想帮助人类准备好应付这件事。”

Jakobsson 与 Farimani 正在准备研究报告,展现以运算方式来设计抗体的前景,减少尝试错误的次数和提高回应速度。他们说致命性的流感病毒株出现之际,迅速回应的能力尤为重要。