AI

BBERT يستخدم الذكاء الاصطناعي لتحديد البكتيريا الخفية في التربة

باحثون يكيّفون نماذج اللغة لتصنيف تسلسلات DNA القصيرة وتجميع الجينومات البيئية على حواسيب عادية.

بقلم Letizia Giugliano
القراءة: 3 دقائقكُتب بدعم من الذكاء الاصطناعي · المراجعة والاعتماد: Letizia Giugliano

مشاركةLinkedInFacebookX

BBERT يستخدم الذكاء الاصطناعي لتحديد البكتيريا الخفية في التربة
Photo: Liam Briese / Unsplash

طوّر باحثون في الجامعة العبرية في القدس (Hebrew University of Jerusalem) ومؤسسات شريكة أداة ذكاء اصطناعي تسمى BBERT لتحديد شظايا DNA بكتيرية مجهولة مباشرة من عينات التربة البيئية. ويستعير البرنامج، الموصوف في دراسة نُشرت في Nucleic Acids Research، آليات من معالجة اللغة لتقييم المادة الوراثية دون الحاجة إلى تطابقات دقيقة في الفهارس المرجعية. ويتيح هذا الاختراع للمختبرات إعادة بناء الجينومات الميكروبية في أقل من نصف الوقت المعتاد باستخدام حواسيب شخصية عادية.

قراءة أنماط DNA كاللغة الطبيعية

تحتوي مغرفة واحدة من التراب على ملايين الشظايا الوراثية المختلطة من البكتيريا والفطريات والنباتات المحيطة. وتحدد أدوات التسلسل البيئي القياسية هذه الشظايا بمطابقتها مع قواعد بيانات مرجعية. ولأن كثيراً من كائنات التربة البرية لم تُعزل أو تُفهرس قط، تبقى مادتها الوراثية غير مصنفة، فتشكل ما يسميه علماء الأحياء المادة المظلمة الميكروبية. وبحسب تقرير Phys.org، تسخّر أداة BBERT الجديدة الذكاء الاصطناعي لمعالجة مشكلة الفرز بتحليل الأنماط الإحصائية المتكررة في التسلسلات البكتيرية بدلاً من البحث عن تطابقات مسجلة.

ويستطيع نموذج التعلم العميق تقييم شظايا وراثية لا يتجاوز طولها 100 «حرف» من DNA. وبعد تدريبه، يقيّم النظام ثلاث خصائص متمايزة: ما إذا كان التسلسل قد نشأ من بكتيريا، وما إذا كان يحمل تعليمات لتخليق جزء من بروتين، وأين ينبغي أن تبدأ الآلية الخلوية بقراءة تلك التعليمات.

دقة الاختبارات المرجعية عبر قواعد بيانات التربة

في اختبارات مرجعية مضبوطة أوردها فريق البحث، فصلت BBERT بين DNA البكتيري وغير البكتيري بدقة تقارب 90%، متجاوزةً أداء برامج التصنيف الأخرى بالتعلم العميق التي قُيّمت في الدراسة. كما حدد النموذج تعليمات ترميز البروتين بدقة تقارب 88% وعيّن إطار القراءة الوراثي الصحيح بمعدل دقة 96%.

وطبق الباحثون البرنامج على 1,969 مجموعة بيانات متاحة للعموم عن DNA التربة، فصنف بنجاح شظايا تركتها أدوات مطابقة التسلسل الحالية دون تحديد. وأظهر التحليل أن الشظايا التي تفتقر إلى روابط وظيفية واضحة كانت أرجح أن تحتوي DNA غير بكتيري لا جينات بكتيرية غير موصوفة، ما يوفر دليلاً على أن المادة المظلمة الميكروبية تتألف من مصادر بيولوجية متنوعة إلى جانب البكتيريا المجهولة.

إعادة بناء الجينومات بذاكرة أقل

إلى جانب تصنيف الشظايا المتفرقة، يساعد النظام في التجميع الحاسوبي للتسلسلات المجزأة في جينومات بكتيرية كاملة. وفي تجارب مرجعية باستخدام خلائط محاكاة من الكائنات، خفض ترشيح البيانات الخام بواسطة BBERT متوسط زمن تجميع الجينوم من 66 ساعة إلى 25 ساعة لكل مجموعة بيانات. وحافظت التسلسلات الناتجة على نحو 96% من تغطية الجينوم البكتيري التي حققتها الطرق القياسية مع فجوات وأخطاء محاذاة أقل.

كما اختبر الفريق خط المعالجة على عينات بيولوجية حقيقية أُخذت من عقد جذور البقوليات البرية، التي تمزج طبيعياً بين نسيج النبات والمتعايشات البكتيرية. وخفض الترشيح المسبق للقراءات الخام زمن التجميع الحاسوبي إلى النصف وخفض ذروة استخدام ذاكرة النظام من 188 إلى 82 غيغابايت. ولأن الخوارزمية تعمل بكفاءة على حاسوب محمول أو مكتبي مزود ببطاقة رسومات قياسية، تستطيع المختبرات الأصغر تحليل بيانات الميتاجينوم البيئية دون مجموعات حوسبة عالية الأداء.

حدود التصنيف والأصول المشتركة

يشير الباحثون إلى قيود عملية عدة في كيفية فرز BBERT للتسلسلات. فلأن البلاستيدات الخضراء النباتية نشأت من بكتيريا متعايشة قديمة، قد يخلط النموذج بين DNA البلاستيدات الخضراء وشظايا البكتيريا. كما يواجه البرنامج صعوبة في التمييز بين البكتيريا والعتائق، وهي نطاق حيوي منفصل من الكائنات وحيدة الخلية تشترك في سمات بنيوية.

وقاد الدراسة د. Amir Erez من معهد راكاه للفيزياء (Racah Institute of Physics) ود. Omri M. Finkel من قسم علوم النبات والبيئة في الجامعة العبرية في القدس. وأسهم المؤلفون المشاركون Dmitry Alekhin ود. Moshe Alon ود. Tomer Sidi بالقدر نفسه في العمل إلى جانب متعاونين في جامعة حيفا (University of Haifa) ومعهد فولكاني التابع لمنظمة البحوث الزراعية (Agricultural Research Organization Volcani Institute)، في ابتكار مهم في تحليل الجينوم.

اقرأ أيضاً في The Patent: نماذج OpenAI تولّد براهين في الرياضيات والحوسبة والفيزياء الكمومية

مترجم تلقائيًا من الأصل الإنجليزي. اقرأ النص الأصلي

مقال من غرفة أخبار The Patent ®، كُتب بدعم من الذكاء الاصطناعي اعتمادًا على مصادر اختارتها غرفة الأخبار. المراجعة والتصحيحات والموافقة على النشر: Letizia Giugliano. الناشر المسؤول: WitUp Ltd.