近日，实验室马军院士团队在环境领域权威期刊Environmental Science & Technology发表了题为“Preparing for the Next Pandemic: Predicting UV lnactivation of Coronaviruses withMachine Learning”的论文。通过进行系统的文献综述，收集涵盖广泛紫外线波长和各种冠状病毒亚型的数据，包括SARS-CoV-2，开发了机器学习模型，用于预测冠状病毒在水溶液和环境表面的紫外线灭活效果，其最佳测试性能分别为R2=0.927，RMSE=0.565和R2=0.88RMSE=0.439。预测了在无蛋白水、环境表面唾液或N95口罩中灭活不同初始滴度的严重急性呼吸系统综合征冠状病毒2至1 Log TCID50/mL滴度所需的不同波长紫外线剂量。
研究提供了一种适用于其他类型病毒的方法，以便在真实世界的消毒场景中有效及时地预测病毒的灭活。从已发表的文章中收集同一类别中不同亚型病毒的遗传信息和灭活过程的影响参数，并将其作为变量进行数值计算。然后训练ML模型来预测失活效果，而不是反应动力学常数。反应动力学常数通常需要在特定的水环境中测量，并且可能不能反映实际消毒情况的复杂影响。此外，失活效应的数据往往比动力学反应常数的数据更多，因此更有利于训练ML模型。然而，这项研究也存在一些不足。例如，由于缺乏对其他冠状病毒的灭活，大多数数据来自灭活的病毒。当时，其他冠状病毒引起的疫情可能不够严重，无法投入大量资源研究其灭活。尽管使用其他冠状病毒数据进行的外部验证表现良好，但病毒种类的缺乏仍然限制了该模型对不同亚型冠状病毒的泛化能力，甚至增加了无法预测新出现的未知冠状病毒失活的风险。此外，不同灭活场景的数据并不均匀。与其他灭活场景的数据相比，悬浮在含有溶液的钢或玻璃容器中的病毒数据，以及塑料、玻璃和N95表面的灭活数据都不充分，这需要对这些场景中的冠状病毒灭活进行进一步研究。此外，由于缺乏相应的数据，没有开发出在气溶胶中灭活冠状病毒的ML模型。从检索到的文章中只收集了54组空气传播冠状病毒灭活的数据，其中应用的气溶胶发生器在尺寸、形状、功率等方面没有遵循统一的标准，也没有提供足够的信息使我们能够标准化影响空气传播冠状病毒失活的参数。尽管缺乏对气溶胶冠状病毒灭活的有效预测，但考虑到表面存在灭活的不利因素（如唾液反射、紫外线的蛋白质吸收等），用于灭活表面冠状病毒的紫外线剂量也可能对灭活同一部位的气溶胶冠状病毒有效，本研究为病毒灭活预测提供了一种可行的方法，可以作为未来研究的基线，为未知病毒爆发提供及时的消毒信息。模型对消除持续的疫情和控制新出现的未知冠状病毒疫情的传播具有指导意义。
论文通讯作者为马军教授，通讯单位为城市水资源与水环境国家重点实验室。
论文原文：https://pubs.acs.org/doi/10.1021/acs.est.3c03707
