הימלטות נגיפית היא בעיה קשה. הוירוס מייצר מספר עותקים עצום של עצמו. מדי פעם ההכפלה אינה מתבצעת במדוייק. מנגנון זה מאפשר לוירוס להשתנות ולהתאים את עצמו כל הזמן. ההתאמות מאפשרות קישור טוב יותר לחלבון דרכו הוא פולש אל תוך התא, הגדלת יעילות ההדבקה ואף שינוי בעוצמת הנזק שהוא גורם למאכסן שלו.
כאשר הוירוס נמצא תחת לחץ, כלומר יש בדם נוגדנים היכולים לנטרל אותו, הוא ינסה לחמוק ממנגנון הנטרול וליצור גירסא חדשה ומאיימת יותר של עצמו. מנגנון הימלטות זה הוא הסיבה לכך שאין לנו חיסון יחיד היעיל כנגד וירוס השפעת. הוירוס, המשתנה כל הזמן, לא מאפשר לנוגדנים בגופינו לזהות את הגירסא החדשה שלו. חוקרים באוניברסיטת MIT השתמשו באלגוריתם המנתח שפה אנושית כדי לחזות את השינויים העתידיים האפשריים בוירוס הקורונה.
אלגוריתמי שפה הם כלים המשמשים ביצירת אינטליגנציה מלאכותית. הם מנסים ״ללמוד״ את השפה האנושית על מנת לאפשר יכולת כתיבה והבנה של טקסטים ע״י מכונה. היכולת של האלגוריתם נמדדת ע״י דיוק החיזוי של המילה הבאה במשפט. יכולת טובה לחזות את המילה מראה שני דברים. האחד – האלגוריתם ״הבין״ את כללי התחביר של השפה בה הוא משתמש. השני, החשוב יותר בשפה האנושית – הבנת המשמעות הכוללת של המשפט. למשל: ״יוסי ירד למטה לשחק ב- ״; אם האלגוריתם ישלים מילה אקראית כמו ״ללכת״, ברור שהאלגוריתם לא הבין כי יש כבר פועל במשפט ואין צורך בפועל נוסף. אם האלגוריתם יוסיף שם עצם מסוים כמו "אבטיח", המשפט יהיה נכון תחבירית, אך כמעט חסר משמעות. אם האלגוריתם ישלים את המילה "כדור" או "תופסת", ברור כי האלגוריתם הבין גם את הכללים התחביריים, וגם העניק משמעות למשפט.
חלבונים בנויים מרצף של חומצות אמינו. במחקר לזיהוי מנגנוני הימלטות אפשריים החוקרים השתמשו באלגוריתם כדי לזהות רצפי חלבון מסוימים של וירוסים. הרצף הוא בעצם התחביר. תחביר נכון משמעו רצף של חומצות אמינו (מילים) אשר יוצרות חלבון (משפט) תקין המאפשר לוירוס לקשור את חלבון המטרה שלו, לייצר משמעות. במילים אחרות, אם וירוס ״רוצה״ לברוח ממערכת החיסון האנושית, הוא לא ירצה להרוס את עצמו או לפגוע ביכולת שלו להעתיק את עצמו. הוירוס ״רוצה״ לשמר את היכולות הויראליות שלו, אך להסוות את עצמו מספיק מהמערכת החיסונית האנושית כדי להימנע מלתקוף אותו.
החוקרים בעצם מנסים לזהות מוטציות אפשריות בוירוס (שינויים תחביריים), המקנות כושר ויראלי גבוה ושינויים סמנטיים משמעותיים (יכולת בריחה) באותו הזמן.
היתרון המשמעותי במודל זה הוא שדי ברצף חומצות האמינו של חלבוני הוירוס. אין צורך במשאב יקר וקשה להשגה כמו מבנה החלבון. לצורך המחקר ואימון האלגוריתם השפתי החישובי, החוקרים השתמשו ב – 60,000 רצפי איידס, 45,000 רצפי שפעת ו -4,000 רצפי קורונה.
המחקר מצא, למשל, כי עבור שפעת, הרצפים הסבירים ביותר למוטציה שתאפשר הימלטות נגיפית היו בחלבון, אשר, עפ"י מחקרים עדכניים, האנשים הנגועים בשפעת או מחוסנים נגדה, אינם מפתחים כלפיו נוגדנים. החוקרים הראו גם כי חלבון הספייק הידוע של וירוס הקורנה הוא מצוין לוירוס לשם ייצור גרסאות אשר יכולות להימלט ממערכת החיסון שלנו. החוקרים גילו כי הגרסאות החדשות של SARS-CoV-2 שהופיעו לאחרונה בבריטניה ובדרום אפריקה הם סוג של ״פתרונות״ הימלטות אפשריים של הוירוס.
כלי זה יכול להיות בעל ערך רב עבור חוקרים אשר מתכננים חיסון לוירוס, ויוכלו לדעת לבחור את האתרים המועדים לפורענות, כלומר אתרי ההימלטות, ולהתמקד בהם כאשר בוחרים חלבון בסיס ליצירת החיסון הבא.
אתגר נוסף המוצב בפני האלגוריתם השפתי הוא שלאותו משפט יכולות להיות משמעויות סמנטיות שונות בין אנשים שונים. כך גם ההיסטוריה האימינולוגית של כל אדם המשחקת תפקיד משמעותי בהתמודדות עם השינויים הויראלים המתרחשים בכל אדם. מודל שפתי מוצלח ידע להתאים אישית את אפשרויות ההימלטות של הוירוס ביחס לנשא שלו.
