（原标题：支持中国抗疫，国际顶尖科学家提出病毒研究策略和疫情预测）
澎湃新闻记者 张唯
世界顶尖科学家协会（以下简称WLA）上海中心全球调研疾病防治科研团队日前带来好消息，协会联动国际顶尖科学家网络向中国伸出援手，多策略多通道支持中国抗击疫情。
澎湃新闻获悉，1月24日，WLA主席、2006诺贝尔化学奖得主罗杰·科恩伯格在听取了WLA上海中心提出的联合顶尖科学家资源，在全球范围内寻求疫病防治科研合作事宜报告后，第一时间联系了美国斯克利普斯研究所、斯坦福大学生物学系、英国牛津大学病毒中心、牛津大学医学院等世界顶尖病毒实验室以及医化学界病毒领域的工业界人士。
WLA上海中心调查团一行在牛津大学校长办公室，与牛津大学科学家就中国疫情展开商谈。左一为牛津大学医学部负责人加文·斯文顿教授，左二为牛津大学糖生物研究所所长雷蒙德·德威克教授。
目前，WLA认为，在全球疫病防治科研领域，病毒研究的主要策略有三个：
针对宿主细胞在病毒侵染、存活、复制过程中的通路靶点开发病毒抑制剂；
针对病毒自身靶点通过结构解析和计算机超算和模拟开发病毒抑制剂；
针对病毒蛋白开发特异性中和抗体以及开发病毒疫苗。
澎湃新闻获悉，WLA上海中心正基于这三个策略方向展开调查研究，与相关实验室和科学家进行了深入探讨，包括WLA主席、2006年诺贝尔化学奖得主、美国斯坦福大学医学院罗杰·科恩伯格教授，WLA副主席、2013年诺贝尔化学奖得主、美国斯坦福大学生物学系迈克尔·莱维特教授，1994年沃尔夫化学奖得主、美国斯克利普斯研究所理查德·勒纳教授，英国牛津大学糖生物学研究所所长雷蒙德·德威克教授等在内的科学家都对疫情表达了积极的关注，并根据多年的深耕研究提出解决方法，愿意积极发挥国际科学力量，支持中国的抗疫行动。
当地时间2月3日，另一位科学家——2013年诺贝尔化学奖得主、斯坦福大学结构生物学教授迈克尔·莱维特向澎湃新闻（www.thepaper.cn）分享了他对新型冠状病毒感染肺炎的疫情预测。他在一份长度两页的简短报告中，根据目前公开的确诊和死亡数据进行了直观的数据分析，初步认为新增死亡人数将在下周减少。他还表示，在所有数据中，报告的病例数这个参数“似乎最不可靠”，因为它发生了不可预测的变化。
报告统计了2019年1月22日至2020年2月2日新型冠状病毒感染的肺炎疫情数据。原始数据取自Kaggle网站（https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset/data#），并于以下数据源进行核对：https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6和https://jobtube.cn/wv/?from=groupmessage&isappinstalled=0。
通过对上述数据的初步分析，迈克尔·莱维特教授在报告中提出以下几点发现：
未来累计病例数预期持续增加；
几乎所有的死亡病例都集中在湖北省(超过95%)；
湖北省的病例死亡率较高，但其他地区低得多（湖北是其他地区死亡率的16倍），其他地区死亡率与流感死亡率相当，约为0.2%；
报告的病例数在所有三个区域（湖北，其他地区和合计）中发生了不可预测的变化。所有指标中，这些数字似乎最不可靠；
当日死亡人数除以前一日死亡人数的比率正在减小。自2020年1月25日以来，总死亡人数和湖北省死亡人数的变化比率大体呈单调下降趋势，自2020年1月29日起，两者均呈线性下降趋势。这表明，通过线性趋势外推法分析，新增死亡人数将在下周迅速减少（will decrease very rapidly over the next week）。
图片来自迈克尔·莱维特
图片来自迈克尔·莱维特
图片来自迈克尔·莱维特
对于分析中提到的“报告的病例数似乎最不可靠”是否会影响预测结论的疑问，迈克尔·莱维特教授表示，“任何预测都是不确定的，但我的结论取决于死亡人数而不是病例数量。”
莱维特出生于1947年，现年73岁，1971年从英国剑桥大学获得博士学位，现任美国斯坦福大学医学院癌症研究所教授。2013年，他凭借为复杂化学系统发展建立的多尺度模型以及在建立多尺度计算模拟方法上作出的贡献，与美国科学家马丁·卡普拉斯和亚利耶·瓦谢尔共享诺贝尔化学奖。
莱维特目前担任世界顶尖科学家协会副主席。对于迈克尔·莱维特的分析，世界顶尖科学家协会上海中心回应称，如数据平台本身数据无误，从统计学原理和数学模型角度，可以看到未来一周三组数据单元都呈现线性向下趋势；基于这一角度，莱维特教授提出了乐观判断。
“但这一数据仅代表他个人的预测。从流行病学角度，还需要综合考虑现实情况中的全面因素。”
本文来源：澎湃新闻
责任编辑：
王凤枝_NT2541
