马占山学科组在医学病毒生物信息学领域取得重要突破

　　近日，国际期刊"Journal of Medical Virology"《医学病毒学杂志》在线刊发了题为：“VC (virome-comparison): a novel approach to comparing viromes based on virus species specificity and virome specificity diversity”的论文。该文中提出了一种比较病毒组的新算法，能够高效率的找出某一病毒组特有或者富集的病毒种类等功能。为比较研究病毒组提供了一套崭新的算法和软件技术。文中还提出了病毒“特异性多样性”的新概念和度量方法，特异性多样性概念综合了病毒时空分布和数量（丰度），并采用热力学中Renyi熵来度量特异性多样性。新概念及其度量方法的提出具有重要的理论意义。按当年SCI影响因子(=20.6)，该期刊目前在病毒学领域排名第二。 　　  

　　健康人体仅肠道中就存在约380亿病毒个体，其数量是人体体细胞的百倍，身体其他部位包括皮肤、口腔、生殖道、呼吸道等部位都存在大量病毒；病毒甚至可以存在于某些人的血液中而与其宿主相安无事（所谓潜伏感染）。这些病毒的集合称之为病毒组 (Virome)。要比较两个或多个病毒组，找出其特有或者富集的病毒种类是一个貌似简单，实际上非常复杂的计算问题。类似问题在计算机科学领域属于“NP-hard”问题(NP难题)。简单的说，对于此类问题，当问题大到一定程度时，即使用人类所建造的最强大计算机，仍然可能无法获得问题最优解。类似问题之一， “推销员最短路径” (Traveling Salesman Problem (TSP)) 问题或许可以较好的解释此类问题的难度。 

　　TSP问题最早提出于19世纪，问题可以描述为：推销员需要访遍N个城市，但禁止重复访问。换句话说，该推销员要“打卡”所有城市，但不允许重复“打卡”。同时，推销员为了节省时间，希望获得最短路径。显然，如果是2个或者3个城市，幼儿园小朋友都可以瞬间给出答案。如果是4-5个城市，小学生用铅笔应该能够算出答案。但当城市数量增加到一定程度后，问题难度则是直线上升(实际上可能比指数增长还要快)！1950年代，美国兰德公司曾公开奖励解决TSP问题，当时的世界纪录仅仅是49个城市。换言之，20世纪50年代世界的算力仅仅能为推销员算出“打卡”49个城市的最短路径。2006年，世界纪录也仅仅是85900 个城市，但其计算所花时间是136CPU年, 而且是为其研发出了高度智能化的算法。“136 CPU年” 时间意味着，如果没有超级并行计算机，而采用单个CPU计算的话，需要计算 136年。 

　　为了求解像VC 这样的NP-hard问题的最优解，通常是研发所谓 的heuristic 算法(启发式、探索式算法)而获得“次优解”。所谓“次优解”可以理解为能够满足实际应用的近似解。所谓启发式算法类似于“探索捷径”，其困难可能就在于如何寻找到适合解决问题的“灵感”。不幸的是，许多NP-hard问题的解决并不仅仅是数学家所喜好的理论探索，而是具有重要的经济价值。例如，TSP 问题显然可以应用于交通网络规划、物流网、光纤铺设等提供支撑。 

　　VC算法包括病毒“特异性”、前面提到的特异性多样性、以及相对应的特异性检验和特异性多样性检验算法。VC能够高效的找到某个病毒组中特有的病毒种类或者富集的病毒种类。显然，该方法具有良好的应用前景。例如，文章中示范了找出IBD(肠炎) 病人特有或富集的病毒种类，这些信息能够为研究疾病诊治手段提供重要的技术支撑。当然，该方法其应用并不限于研究人类病毒，同样也适用于研究动植物和其它生态环境中的病毒组。该研究得到国家自然科学基金资助。 

　　Ma ZS (2023) VC (virome-comparison): a novel approach to comparing viromes based on virus species specificity and virome specificity diversity. Journal of Medical Virology. https://doi.org/10.1002/jmv.28682