為了解決這一問題，華為云醫(yī)療智能體團隊、華為云語音語義創(chuàng)新Lab聯合浙江大學計算機學院陳華鈞教授組成聯合團隊，在浙江大學先期構建的第一版病毒分類圖譜的基礎上，又添加了三個新的科研知識圖譜，全方位地涵蓋了新冠病毒的基礎屬性，為科研人員針對病毒的研究和抗病毒藥物研發(fā)提供了更強力的工具。
第一版本新冠科研圖譜從病毒的生物學分類角度出發(fā)，以NCBI美國生物信息中心 Taxonomy板塊下的數據為基礎，構建了一個病毒的族系網絡：病毒分類圖譜。該圖譜具有較大的規(guī)模，其中實例的數量達20萬以上，三元組的數量更是達到了190萬+。但是其在分類及族系關系以外未引入其他信息，具有一定的局限。
因此第二版中，聯合團隊通過梳理病毒、基因、蛋白、藥物等相關概念，圍繞新型冠狀病毒、抗病毒藥物等展開工作。從病毒的基因，蛋白，宿主以及核苷酸序列等相關信息出發(fā)，基于NCBI數據庫中新冠病毒（SARS-CoV-2，原名稱：2019-nCoV）相關數據，構建了新冠基本信息圖譜v1.0。從抗病毒藥物、Human Protein、Virus Protein、宿主等信息出發(fā)，基于DrugBank等數據庫的數據，構建了抗病毒藥物圖譜v1.0。最后，考慮到病毒流行學是重要的科研方向，聯合團隊以Gisaid全球流感數據庫所提供的實時新冠病毒sequence數據為基礎，結合nextstrain對于新冠病毒基因組流行病學的分析及相關算法， 整理出了一個短期病毒突變的連接網絡——病毒親緣關系圖譜v1.0，其中包含了地理，時間，變異度，突變的基因蛋白等信息，為后續(xù)的相關研究（病毒溯源）及圖譜的融合提供支撐。
新冠基本信息圖譜 v1.0
express表示SARS-CoV-2與其表達基因間的關系，例如SARS-CoV-2表達membrane protein gene （M） /Envelope protein gene（E）/ Nucleoprotein gene （N）等類型的基因
translate表示基因與蛋白間的翻譯關系，例如SARS-CoV-2的membrane protein gene （M）可翻譯出membrane protein
produce關系表示SARS-CoV-2可產生對應的蛋白
host用來表示SARS-CoV-2和宿主的關系，目前圖譜中的宿主實體主要是human和vertebrates
新冠基本信息圖譜示意圖
抗病毒藥物圖譜 v1.0
effect關系用于表示抗病毒藥物對于病毒有一定效果，例如Ritonavir和Abacavir對Human immunodeficiency virus 1有抗病毒效果，通過本關系可查看抗病毒藥物和對應病毒間的聯系
produce關系可用于挖掘病毒與其所表達蛋白間的express關系，并可進一步挖掘不同病毒與同一類型蛋白間的關系，進而發(fā)現兩個病毒間的間接關系，再通過某病毒與某抗病毒藥物間關系，又可發(fā)現某抗病毒藥物和另一病毒的間接關系，可以幫助發(fā)現對于某一類型病毒蛋白可能有作用的更多藥物。
interaction和binding關系可以用于發(fā)現病毒蛋白與宿主蛋白間的相互作用，比如HIV1的NP（nucleoprotein）可binding在Human的HYOU1；之后可再補充某些藥物和HYOU1間的target關系，進而可以研究這些藥物和HIV1的NP（nucleoprotein）間的作用。
在屬性方面，聯合團隊從DrugBank挖掘了以下信息（商品名、化學式，分子重量，indication等），作為drug實體的屬性，使得研究者可以更直觀的了解某drug的一些重要信息。之后團隊會進一步完善補充更多關鍵實體的重要信息。
抗病毒藥物圖譜示意圖
病毒親緣關系圖譜 v1.0
知識圖譜中有Strain毒株，Branch分支，Country國家，State區(qū)域和City城市這些實體類型，其中地理位置與Strain毒株的連接通過from_country, from_division和from_location來標識。Country，State，City互相連接構成網絡。
對于Strain毒株的屬性，包括了AA變異，核苷酸突變，與上一分支的差異率等等信息，展示在圖中的表格中。其中變異數據和差異率數據都是相對mutate_from_branch指示的Branch結點來說的，而Branch也相對上層的Branch，因此最終的Strain突變應當是整個樹目錄突變的總和。
病毒親緣關系圖譜示意圖
新冠科研圖譜的潛在應用
新冠科研圖譜的潛在應用如下：
- 預測新病毒的生物學分類
- 預測病毒變異性
- 預測病毒熱穩(wěn)定性
- 預測病毒的易感群體
- 預測病毒的致病部位
- 預測病毒可導致的癥狀
- 潛在治療的藥物，或者老藥新用
- 預測病毒的傳播途徑
- 預測可能與病毒蛋白相互作用的蛋白，發(fā)現新的蛋白靶點
- 針對新的蛋白靶點，進行藥物開發(fā)
- 病毒溯源，病毒變異的分析與預測
知識圖譜的構建通常是一個漫長且費時費力的過程，在此次新冠科研圖譜的構建中，聯合團隊利用華為云知識圖譜服務進行了端到端的知識圖譜構建，并且利用華為云ModelArts AI平臺智能的從文獻中抽取新的實體關系，在短短一周的時間里就構建出了內容豐富的新冠科研圖譜，極大地提升了效率和準確性，接下來聯合團隊會將更多從最新的文獻中抽取的知識更新到知識圖譜中。
