AI

BBERT利用人工智能识别土壤中隐藏的细菌

研究人员改造语言模型,在普通计算机上对短DNA序列分类并组装环境基因组

作者: Letizia Giugliano
阅读约3分钟由人工智能辅助撰写 · 审校与批准:Letizia Giugliano

分享LinkedInFacebookX

BBERT利用人工智能识别土壤中隐藏的细菌
Photo: Liam Briese / Unsplash

耶路撒冷希伯来大学(Hebrew University of Jerusalem)及其合作机构的研究人员开发了一款名为BBERT的人工智能(AI)工具,可直接从环境土壤样本中识别未知的细菌DNA片段。这款软件在发表于Nucleic Acids Research的研究中得到详述,它借鉴语言处理机制,无需与参考目录完全匹配即可评估遗传物质。这项发明使实验室只需通常不到一半的时间,就能用普通个人电脑重建微生物基因组。

像阅读自然语言一样读取DNA模式

一小铲泥土就含有来自细菌、真菌和周围植被的数百万个混杂的遗传片段。标准的环境测序工具通过将这些片段与参考数据库进行比对来识别它们。由于许多野生土壤生物从未被分离或编目,它们的遗传物质仍未被分类,形成了生物学家所说的微生物暗物质。据Phys.org报道,新的BBERT工具利用人工智能来处理这个分类问题,方法是分析细菌序列中反复出现的统计模式,而不是寻找已记录的匹配项。

这个深度学习模型能够评估的遗传片段最短只有100个DNA“字母”。训练完成后,该系统评估三个不同的特征:序列是否源自细菌,是否带有合成部分蛋白质的指令,以及细胞机器应从哪里开始读取这些指令。

跨土壤数据库的基准准确率

在研究团队报告的受控基准测试中,BBERT区分细菌与非细菌DNA的准确率约为90%,超过了研究中评估的其他深度学习分类程序的表现。该模型识别蛋白质编码指令的准确率约为88%,找到正确遗传阅读框的准确率为96%。

研究人员将该软件应用于1,969个公开可得的土壤DNA数据集,成功地对现有序列比对工具未能识别的片段进行了分类。分析表明,缺乏明确功能关联的片段更可能含有非细菌DNA,而不是未表征的细菌基因,这为微生物暗物质由不同的生物来源以及未知细菌共同构成提供了证据。

以更少的内存重建基因组

除了对零散片段分类之外,该系统还协助把碎片化序列通过计算组装成完整的细菌基因组。在使用模拟生物混合物的基准试验中,用BBERT过滤原始数据,使每个数据集的平均基因组组装时间从66小时缩短到25小时。所得序列保持了标准方法所达到的细菌基因组覆盖率的约96%,同时产生的缺口和比对错误更少。

团队还在取自野生豆科植物根瘤的真实生物样本上测试了这条流程,根瘤天然混合了植物组织和细菌共生体。对原始读段进行预过滤,使计算组装时间减半,并将系统内存峰值用量从188吉字节降至82吉字节。由于该算法可在配有标准显卡的笔记本电脑或台式机上高效运行,较小的实验室无需高性能计算集群即可分析环境宏基因组数据。

分类的边界与共同的起源

研究人员指出了BBERT在序列分类方面的若干实际限制。由于植物叶绿体起源于古代共生细菌,该模型可能把叶绿体DNA误认为细菌片段。该程序在区分细菌与古菌方面也有困难,古菌是单细胞生物的一个独立域,具有相似的结构特征。

这项研究由耶路撒冷希伯来大学拉卡物理研究所(Racah Institute of Physics)的Amir Erez博士和植物与环境科学系(Department of Plant and Environmental Sciences)的Omri M. Finkel博士领导。共同作者Dmitry Alekhin、Moshe Alon博士和Tomer Sidi博士对这项工作贡献相同,并与海法大学(University of Haifa)和农业研究组织Volcani研究所(Agricultural Research Organization Volcani Institute)的合作者共同完成,是基因组分析领域的一项重大创新。

另请阅读The Patent:OpenAI模型生成数学、计算和量子物理的证明

由英文原文自动翻译. 阅读原文

The Patent ® 编辑部的文章,借助人工智能,依据编辑部选定的来源撰写。审校、更正及批准发布:Letizia Giugliano。责任出版方:WitUp Ltd。