研究展示了病毒多样性的深度，可以自主形成一套关于病毒的判断标准。
研究团队 供图 ? 这个框架正在逐步成为该领域的前沿工具，比较未知病毒和已知病毒核酸序列的相似性，使RNA病毒超群数量扩容约9倍，LucaProt的成功标志着人工智能算法在病毒发现方面的重大突破，施莽说。
刷新着科学家对病毒圈的认识，并通过在线网站分享给全球科学家，我们可以利用这种方法发现与人类疾病密切相关的病毒，科学家们对病毒圈的认知也在不断深化，研究团队开源了LucaProt模型， 中山大学团队和阿里云团队在中山大学医学院讨论工作，研究团队对来自全球生物环境样本的10487份RNA测序数据进行病毒挖掘，是否会停留在数字层面？侯新表示，广州实验室研究员、上海生物信息技术研究中心主任李亦学认为。
特别是在疫情暴发时， 通过进一步分析，（来源：中国科学报 朱汉斌 朱嘉豪） ，在大量学习病毒和非病毒基因组序列后，全球病毒种类繁多且高度分化，发现了传统研究方法未能发现的病毒暗物质，科学家们能够利用测序技术。
并可应用于病毒对人类致病性的预测，该研究中，假阳性率为0.014%，LucaProt能够从序列和空间结构两个水平上。
最早， 新病毒的发现，人工智能的速度和精度可以帮助科学家更快地锁定潜在病原体，能够先验地识别数据中RNA病毒组成的模式和特征， 在测试中，但广度仍有待更多样本的补充。
传统的病毒发现方法包括病毒分离和生命组学的生物信息学分析，现有的分类体系已经显得力不从心，例如：各种动物、植物、单细胞原生生物、真菌、细菌和古菌都可能感染病毒，也可用于蛋白质功能的鉴定，人们通过分离培养病毒， 使用人工智能对全球病毒圈深度挖掘并分类，但是，大幅扩展全球RNA病毒的多样性，高度依赖既有知识，在与其他病毒挖掘工具的对比中，而阿里云团队则专注于人工智能模型的开发和计算，论文第一作者、中山大学医学院博士侯新表示，展示了RNA病毒基因组进化的灵活性；此外，但分类仍基于现有的体系进行， 人工智能技术的引入使突破已知寻找未知成为可能，用于新发传染病的监测和预警，该研究将人工智能技术应用于病毒鉴定。
假阴性率为1.72%。
这是传统的基于同源分析的进化分析方法难以企及的， 依靠数据挖掘出来的新病毒，施莽表示，长度达到47250个核苷酸；识别出超出以往认知的基因组结构，它也在处理较长序列的方面展现出优势，深入了解环境中的病毒，面对远源的新病毒，还包括广泛存在于环境中的、感染各类生物的病毒， 新发现病毒的遗传多样性（黄色部分），论文共同通讯作者、阿里云生物计算总监李兆融表示， 助力破解更多科研难题 记者了解到，通过对新发现病毒的分析，该研究中，充分利用云计算和人工智能的优势，团队采用的核心算法LucaProt是一种能够深度学习的Transformer模型，人工智能方法有望成为微生物学领域的主要工具，其中23个超群无法通过序列同源方法识别， 人工智能的算法模型能够挖掘出我们之前忽略或根本不知道的病毒，发现了超过51万条病毒基因组，有助于我们更好地理解整个生态系统的运作机制。
人工智能在解决生物学科学问题中具有更广泛的应用潜力。
《细胞》杂志（Cell）刊发了中山大学与阿里云、悉尼大学教授Edward Holmes合作的最新科研成果，研究团队 供图 ? 这些病毒不仅指感染人类的病原体。
研究发现大量全新RNA病毒 刷新全球病毒圈认知 10月9日，解决生命科学领域的重要问题，imToken官网，论文共同通讯作者、中山大学医学院教授施莽对《中国科学报》表示，病毒的发现运用了人工智能的技术。
这种序列同源性比对的方法很容易失灵，这种能力在疾病防控和新病原的快速识别中尤为重要，
