基于深度学习的冠状病毒刺突蛋白拉曼特征峰的理论研究

持续一年的新冠疫情对全球的经济造成了巨大破坏,为了有效控制新冠疫情,快速检测新冠病毒(SARS-CoV-2)是一个急需解决的问题。新冠病毒的刺突蛋白(spikeprotein)是拉曼光谱技术检测新冠病毒的检测点,构建刺突蛋白拉曼特征峰模型对于发展拉曼检测技术快速检测新冠病毒具有重要作用。基于简化的激子模型,利用深度神经网络技术,构建了刺突蛋白的酰胺Ⅰ、Ⅲ特征峰模型,并结合已知可以感染人类的七种冠状病毒(HCoV-229E,HCoV-HKU1,HCoV-NL63,HCoV-OC43,MERS-CoV,SARS-CoV和SARS-CoV-2)刺突蛋白的实验结构,分析了七种冠状病毒刺突蛋白酰胺Ⅰ、Ⅲ特征峰的区别。计算结果表明,七种冠状病毒可以根据毒刺突蛋白的酰胺Ⅰ、Ⅲ特征峰划分为四个组:SARS-CoV-2,SARS-CoV,MERS-CoV形成一个组;HCoV-HKU1,HCoV-NL63形成一个组;HCoV-229E和HCoV-OC43各自独立形成一个组。相同组的冠状病毒刺突蛋白酰胺Ⅰ、Ⅲ峰频率较为接近,通过酰胺Ⅰ、Ⅲ峰的频率较难区分刺突蛋白;不同组的冠状病毒刺突蛋白酰胺Ⅰ、Ⅲ特征峰差异较大,刺突蛋白可以通过拉曼技术区分开来。该结果为发展拉曼检测技术快速检测新冠病毒提供了定性判断的理论依据。