BBERT usa l'intelligenza artificiale per identificare i batteri nascosti nel suolo
I ricercatori adattano i modelli linguistici per classificare brevi sequenze di DNA e assemblare genomi ambientali su computer standard.
Di Letizia Giugliano
3 min di letturaHuman-Edited, AI-Assisted
Tradotto automaticamente dall’originale inglese Leggi l’originale
Ricercatori dell'Università Ebraica di Gerusalemme e di istituzioni partner hanno sviluppato uno strumento di intelligenza artificiale chiamato BBERT per identificare frammenti sconosciuti di DNA batterico direttamente da campioni di suolo ambientale. Il software, descritto in uno studio pubblicato su Nucleic Acids Research, mutua meccanismi dall'elaborazione del linguaggio per valutare il materiale genetico senza bisogno di corrispondenze esatte nei cataloghi di riferimento. L'invenzione consente ai laboratori di ricostruire genomi microbici in meno della metà del tempo abituale usando normali personal computer.
Leggere i pattern del DNA come un linguaggio naturale
Un solo cucchiaio di terra contiene milioni di frammenti genetici mescolati di batteri, funghi e vegetazione circostante. Gli strumenti standard di sequenziamento ambientale identificano questi frammenti confrontandoli con database di riferimento. Poiché molti organismi del suolo selvatico non sono mai stati isolati o catalogati, il loro materiale genetico resta non classificato, formando quello che i biologi chiamano materia oscura microbica. Secondo quanto riportato da Phys.org, il nuovo strumento BBERT sfrutta l'intelligenza artificiale per affrontare il problema della classificazione analizzando i pattern statistici ricorrenti nelle sequenze batteriche anziché cercare corrispondenze registrate.
Il modello di deep learning può valutare frammenti genetici lunghi appena 100 "lettere" di DNA. Una volta addestrato, il sistema valuta tre caratteristiche distinte: se la sequenza proviene da un batterio, se contiene istruzioni per sintetizzare parte di una proteina e dove la macchina cellulare dovrebbe iniziare a leggere tali istruzioni.
Precisione nei benchmark sui database del suolo
Nei test di benchmark controllati riportati dal gruppo di ricerca, BBERT ha separato il DNA batterico da quello non batterico con una precisione di circa il 90%, superando le prestazioni di altri programmi di classificazione basati su deep learning valutati nello studio. Il modello ha inoltre identificato le istruzioni codificanti proteine con una precisione di circa l'88% e individuato il corretto frame di lettura genetico con un tasso di precisione del 96%.
I ricercatori hanno applicato il software a 1.969 set di dati sul DNA del suolo disponibili pubblicamente, classificando con successo frammenti che gli strumenti esistenti di confronto delle sequenze avevano lasciato non identificati. L'analisi ha mostrato che i frammenti privi di legami funzionali chiari avevano maggiori probabilità di contenere DNA non batterico anziché geni batterici non caratterizzati, fornendo prove che la materia oscura microbica è composta da diverse fonti biologiche insieme a batteri sconosciuti.
Ricostruire i genomi con meno memoria
Oltre a classificare frammenti sparsi, il sistema aiuta nell'assemblaggio computazionale di sequenze frammentate in genomi batterici completi. In prove di benchmark con miscele simulate di organismi, il filtraggio dei dati grezzi con BBERT ha ridotto il tempo medio di assemblaggio del genoma da 66 ore a 25 ore per set di dati. Le sequenze risultanti hanno mantenuto circa il 96% della copertura del genoma batterico ottenuta con i metodi standard, producendo al contempo meno lacune ed errori di allineamento.
Il gruppo ha anche testato la pipeline su campioni biologici reali prelevati da noduli radicali di leguminose selvatiche, che mescolano naturalmente tessuto vegetale e simbionti batterici. Il pre-filtraggio delle letture grezze ha dimezzato il tempo di assemblaggio computazionale e ridotto l'uso massimo di memoria di sistema da 188 a 82 gigabyte. Poiché l'algoritmo funziona in modo efficiente su un laptop o desktop dotato di una scheda grafica standard, i laboratori più piccoli possono analizzare dati metagenomici ambientali senza cluster di calcolo ad alte prestazioni.
Confini della classificazione e origini condivise
I ricercatori segnalano diversi limiti pratici nel modo in cui BBERT ordina le sequenze. Poiché i cloroplasti delle piante hanno avuto origine da antichi batteri simbionti, il modello può scambiare il DNA dei cloroplasti per frammenti batterici. Il programma ha inoltre difficoltà a distinguere i batteri dagli archaea, un dominio separato di organismi unicellulari che condividono caratteristiche strutturali.
Lo studio è stato guidato dal Dr. Amir Erez del Racah Institute of Physics e dal Dr. Omri M. Finkel del Department of Plant and Environmental Sciences dell'Università Ebraica di Gerusalemme. I coautori Dmitry Alekhin, il Dr. Moshe Alon e il Dr. Tomer Sidi hanno contribuito in egual misura al lavoro insieme a collaboratori dell'Università di Haifa e dell'Agricultural Research Organization Volcani Institute, rappresentando un'innovazione significativa nell'analisi genomica.
Leggi anche su The Patent: I modelli OpenAI generano dimostrazioni in matematica, informatica e fisica quantistica
