BBERT utiliza inteligencia artificial para identificar bacterias ocultas en el suelo
Los investigadores adaptan modelos de lenguaje para clasificar secuencias cortas de ADN y ensamblar genomas ambientales en ordenadores convencionales.
Por Letizia Giugliano
3 min de lecturaHuman-Edited, AI-Assisted
Traducido automáticamente del original en inglés Leer el original
Investigadores de la Universidad Hebrea de Jerusalén y de instituciones asociadas han desarrollado una herramienta de inteligencia artificial llamada BBERT para identificar fragmentos desconocidos de ADN bacteriano directamente en muestras de suelo ambiental. El software, detallado en un estudio publicado en Nucleic Acids Research, toma prestados mecanismos del procesamiento del lenguaje para evaluar material genético sin necesidad de coincidencias exactas en catálogos de referencia. La invención permite a los laboratorios reconstruir genomas microbianos en menos de la mitad del tiempo habitual utilizando ordenadores personales convencionales.
Leer patrones de ADN como lenguaje natural
Una sola cucharada de tierra contiene millones de fragmentos genéticos mezclados de bacterias, hongos y vegetación circundante. Las herramientas estándar de secuenciación ambiental identifican estos fragmentos comparándolos con bases de datos de referencia. Como muchos organismos silvestres del suelo nunca se han aislado ni catalogado, su material genético permanece sin clasificar, formando lo que los biólogos llaman materia oscura microbiana. Según la información de Phys.org, la nueva herramienta BBERT aprovecha la inteligencia artificial para abordar el problema de clasificación analizando patrones estadísticos recurrentes en las secuencias bacterianas en lugar de buscar coincidencias registradas.
El modelo de aprendizaje profundo puede evaluar fragmentos genéticos de tan solo 100 "letras" de ADN de longitud. Una vez entrenado, el sistema evalúa tres características distintas: si la secuencia procede de una bacteria, si contiene instrucciones para sintetizar parte de una proteína y dónde debe empezar la maquinaria celular a leer esas instrucciones.
Precisión de referencia en distintas bases de datos de suelo
En pruebas de referencia controladas comunicadas por el equipo investigador, BBERT separó el ADN bacteriano del no bacteriano con una precisión de aproximadamente el 90 %, superando el rendimiento de otros programas de clasificación por aprendizaje profundo evaluados en el estudio. El modelo también identificó instrucciones codificantes de proteínas con una precisión de aproximadamente el 88 % y localizó el marco de lectura genético correcto con una tasa de precisión del 96 %.
Los investigadores aplicaron el software a 1.969 conjuntos de datos públicos de ADN de suelo, clasificando con éxito fragmentos que las herramientas existentes de comparación de secuencias habían dejado sin identificar. El análisis mostró que los fragmentos sin vínculos funcionales claros tenían más probabilidades de contener ADN no bacteriano que genes bacterianos no caracterizados, lo que aporta pruebas de que la materia oscura microbiana está formada por diversas fuentes biológicas junto con bacterias desconocidas.
Reconstruir genomas con menos memoria
Más allá de clasificar fragmentos sueltos, el sistema ayuda en el ensamblaje computacional de secuencias fragmentadas en genomas bacterianos completos. En pruebas de referencia con mezclas simuladas de organismos, el filtrado de los datos brutos con BBERT redujo el tiempo medio de ensamblaje del genoma de 66 horas a 25 horas por conjunto de datos. Las secuencias resultantes mantuvieron aproximadamente el 96 % de la cobertura del genoma bacteriano lograda por los métodos estándar, al tiempo que produjeron menos huecos y errores de alineación.
El equipo también probó el proceso en muestras biológicas reales tomadas de nódulos radiculares de leguminosas silvestres, que mezclan de forma natural tejido vegetal y simbiontes bacterianos. El prefiltrado de las lecturas brutas redujo a la mitad el tiempo de ensamblaje computacional y disminuyó el uso máximo de memoria del sistema de 188 a 82 gigabytes. Como el algoritmo funciona de forma eficiente en un portátil o un ordenador de sobremesa equipado con una tarjeta gráfica estándar, los laboratorios más pequeños pueden analizar datos metagenómicos ambientales sin clústeres de computación de alto rendimiento.
Límites de clasificación y orígenes compartidos
Los investigadores señalan varias limitaciones prácticas en la forma en que BBERT clasifica las secuencias. Como los cloroplastos vegetales proceden de antiguas bacterias simbióticas, el modelo puede confundir el ADN de cloroplasto con fragmentos bacterianos. El programa también tiene dificultades para distinguir bacterias de arqueas, un dominio separado de organismos unicelulares que comparten rasgos estructurales.
El estudio fue dirigido por el Dr. Amir Erez, del Instituto Racah de Física, y el Dr. Omri M. Finkel, del Departamento de Ciencias Vegetales y Ambientales de la Universidad Hebrea de Jerusalén. Los coautores Dmitry Alekhin, el Dr. Moshe Alon y el Dr. Tomer Sidi contribuyeron por igual al trabajo junto con colaboradores de la Universidad de Haifa y del Instituto Volcani de la Organización de Investigación Agrícola, lo que representa una innovación significativa en el análisis genómico.
Leer también en The Patent: Los modelos de OpenAI generan demostraciones en matemáticas, computación y física cuántica
