得克萨斯大学医学分校（UTMB）研究人员表示，他们开发出一套新的计算流程，旨在加快针对甲病毒（Alphavirus）这一类蚊媒病毒的疫苗研发。该团队由UTMB病理学系教授兼研究副主任Nikos Vasilakis博士，以及临床实践助理教授、UTMB人工智能中心主任Peter McCaffrey医学博士共同领导，并与巴西和巴拿马的研究人员合作完成。

相关研究已发表于《Science Advances》。论文介绍了一种集成式、迭代的疫苗设计系统，将机器学习、结构生物学与实验室验证结合起来，用于同时识别多个相关病毒中具有潜力的疫苗靶点。

研究人员指出，甲病毒可引发基孔肯雅热和马脑炎等疾病暴发，经蚊子传播，可在人类和动物中导致严重发热、关节炎以及神经系统疾病。Vasilakis表示，甲病毒在全球范围内持续出现和重新出现，而传统疫苗开发速度难以跟上。

为提升研发效率，团队构建了一条快速分析“流程”，通过解析病毒蛋白来筛选能够诱导强免疫反应的短片段（表位）。系统会基于免疫原性、群体遗传覆盖率、稳定性与溶解性等指标对候选片段进行评估。Vasilakis称，该流程通过整合计算预测与实验验证，为识别可能对多种病毒提供广泛保护的疫苗靶点提供了新路径。

在验证环节，研究人员使用肽微阵列与分子建模对预测结果进行核验，确认所选表位能够与免疫受体实现适当结合。相关分析进一步识别出数十个在多种甲病毒物种中均呈反应性的表位，研究团队认为这为开发可同时防护多种病毒的“泛甲病毒”疫苗迈出关键一步。

研究显示，团队通过该流程从数百种病毒肽中筛选出一组候选表位。基于小鼠与人类免疫细胞的实验室测试表明，其中若干肽可激活T细胞，并诱导干扰素-γ、肿瘤坏死因子-α和白细胞介素-2等关键免疫信号分子的释放。

McCaffrey表示，这一平台使研究不再局限于逐个病毒推进疫苗开发，而是能够以更大规模、更具前瞻性的方式快速筛选最有希望的靶点，从而加速广谱保护疫苗的研发进程。

除靶点识别外，研究团队还强调，该流程形成了可重复的工作范式，将计算预测与实验验证整合为一体，为后续疫苗开发提供可借鉴的模板。研究人员目前正继续在动物模型中评估最有前景的疫苗候选者，目标是推动针对甲病毒及其他新兴病原体的广谱保护疫苗研发。Vasilakis称，这是首个利用人工智能和机器学习开发并经实验验证的泛属疫苗候选者相关发表成果。