BBERT nutzt künstliche Intelligenz, um verborgene Bakterien im Boden zu identifizieren
Forschende passen Sprachmodelle an, um kurze DNA-Sequenzen zu klassifizieren und Umweltgenome auf Standardcomputern zusammenzusetzen.
Von Letizia Giugliano
3 Min. LesezeitHuman-Edited, AI-Assisted
Automatisch aus dem englischen Original übersetzt Original lesen
Forschende der Hebräischen Universität Jerusalem und Partnerinstitutionen haben ein KI-Werkzeug namens BBERT entwickelt, um unbekannte bakterielle DNA-Fragmente direkt aus Bodenproben aus der Umwelt zu identifizieren. Die Software, beschrieben in einer Studie in Nucleic Acids Research, bedient sich Mechanismen der Sprachverarbeitung, um genetisches Material zu bewerten, ohne exakte Übereinstimmungen in Referenzkatalogen zu benötigen. Die Erfindung ermöglicht es Laboren, mikrobielle Genome in weniger als der Hälfte der üblichen Zeit mit herkömmlichen Personalcomputern zu rekonstruieren.
DNA-Muster wie natürliche Sprache lesen
Eine einzige Schaufel Erde enthält Millionen vermischter genetischer Fragmente von Bakterien, Pilzen und umgebender Vegetation. Standardwerkzeuge zur Umweltsequenzierung identifizieren diese Fragmente, indem sie sie mit Referenzdatenbanken abgleichen. Da viele wilde Bodenorganismen nie isoliert oder katalogisiert wurden, bleibt ihr genetisches Material unklassifiziert und bildet das, was Biologen als mikrobielle dunkle Materie bezeichnen. Laut einem Bericht von Phys.org nutzt das neue Werkzeug BBERT künstliche Intelligenz, um das Sortierproblem anzugehen, indem es wiederkehrende statistische Muster in bakteriellen Sequenzen analysiert, statt nach aufgezeichneten Übereinstimmungen zu suchen.
Das Deep-Learning-Modell kann genetische Fragmente bewerten, die nur 100 DNA-„Buchstaben“ lang sind. Nach dem Training beurteilt das System drei verschiedene Merkmale: ob die Sequenz von einem Bakterium stammt, ob sie Anweisungen zur Synthese eines Teils eines Proteins trägt und wo die zelluläre Maschinerie mit dem Lesen dieser Anweisungen beginnen soll.
Benchmark-Genauigkeit über Bodendatenbanken hinweg
In kontrollierten Benchmark-Tests, über die das Forschungsteam berichtet, trennte BBERT bakterielle von nichtbakterieller DNA mit etwa 90 % Genauigkeit und übertraf damit die Leistung anderer in der Studie bewerteter Deep-Learning-Klassifikationsprogramme. Das Modell identifizierte zudem protein kodierende Anweisungen mit etwa 88 % Genauigkeit und lokalisierte den korrekten genetischen Leserahmen mit einer Genauigkeit von 96 %.
Die Forschenden wandten die Software auf 1.969 öffentlich verfügbare Boden-DNA-Datensätze an und klassifizierten erfolgreich Fragmente, die bestehende Sequenzabgleichswerkzeuge unidentifiziert gelassen hatten. Die Analyse zeigte, dass Fragmente ohne klare funktionale Verbindungen eher nichtbakterielle DNA enthielten als unbeschriebene bakterielle Gene, was belegt, dass mikrobielle dunkle Materie neben unbekannten Bakterien aus vielfältigen biologischen Quellen besteht.
Genome mit weniger Speicher rekonstruieren
Über die Klassifizierung loser Fragmente hinaus unterstützt das System die computergestützte Assemblierung fragmentierter Sequenzen zu vollständigen bakteriellen Genomen. In Benchmark-Versuchen mit simulierten Organismenmischungen reduzierte die Filterung der Rohdaten mit BBERT die durchschnittliche Genomassemblierungszeit von 66 Stunden auf 25 Stunden pro Datensatz. Die resultierenden Sequenzen behielten etwa 96 % der mit Standardmethoden erreichten Abdeckung des bakteriellen Genoms bei und erzeugten weniger Lücken und Ausrichtungsfehler.
Das Team testete die Pipeline auch an echten biologischen Proben aus Wurzelknöllchen wilder Leguminosen, die natürlicherweise Pflanzengewebe und bakterielle Symbionten vermischen. Die Vorfilterung der Rohdaten halbierte die computergestützte Assemblierungszeit und senkte den Spitzenarbeitsspeicherbedarf von 188 auf 82 Gigabyte. Da der Algorithmus effizient auf einem Laptop oder Desktop mit einer Standard-Grafikkarte läuft, können kleinere Labore metagenomische Umweltdaten ohne Hochleistungsrechencluster analysieren.
Klassifikationsgrenzen und gemeinsame Ursprünge
Die Forschenden nennen mehrere praktische Einschränkungen bei der Sortierung von Sequenzen durch BBERT. Da pflanzliche Chloroplasten von alten symbiotischen Bakterien abstammen, kann das Modell Chloroplasten-DNA fälschlich für bakterielle Fragmente halten. Zudem hat das Programm Schwierigkeiten, Bakterien von Archaeen zu unterscheiden, einer eigenen Domäne einzelliger Organismen mit gemeinsamen Strukturmerkmalen.
Die Studie wurde von Dr. Amir Erez vom Racah-Institut für Physik und Dr. Omri M. Finkel vom Institut für Pflanzen- und Umweltwissenschaften der Hebräischen Universität Jerusalem geleitet. Die Mitautoren Dmitry Alekhin, Dr. Moshe Alon und Dr. Tomer Sidi trugen gleichberechtigt zu der Arbeit bei, zusammen mit Kooperationspartnern der Universität Haifa und des Agricultural Research Organization Volcani Institute – eine bedeutende Innovation in der Genomanalyse.
Lesen Sie auch bei The Patent: OpenAI-Modelle erzeugen Beweise in Mathematik, Informatik und Quantenphysik
