يستخدم BBERT الذكاء الاصطناعي للتعرّف على الحمض النووي البكتيري المخفي في عينات التربة

طوّر باحثون في Hebrew University of Jerusalem ومؤسسات شريكة أداة BBERT، وهي أداة ذكاء اصطناعي تتعرّف على الحمض النووي البكتيري في شظايا لا يتجاوز طولها 100 قاعدة. ويعالج هذا العمل مشكلة مستمرة في علم الجينوم البيئي: إذ يستطيع العلماء تحديد تسلسل المادة الوراثية في عينة من التربة، لكن يظل تفسير جزء كبير منها صعبًا لأن الكائنات الحية ممثلة تمثيلًا ضعيفًا في قواعد البيانات المرجعية.

نُشرت الدراسة، «تعيين النطاق التصنيفي بسرعة ودقة للقراءات الميتاجينومية القصيرة باستخدام BBERT»، في مجلة Nucleic Acids Research. وأشرف عليها الدكتور أمير إيرز من معهد راكا للفيزياء في الجامعة، والدكتور عمري م. فينكل من قسم علوم النبات والبيئة فيها. وأسهم ديمتري أليخين وموشيه ألون وتومر سيدي بالتساوي في إنجازها، إلى جانب زملاء من University of Haifa ومعهد فولكاني التابع لمنظمة الأبحاث الزراعية.

لماذا يصعب فرز الحمض النووي في التربة

يحدّد التسلسل الميتاجينومي الشامل العشوائي تسلسل الحمض النووي المأخوذ من مجتمع كامل، بدلًا من كائن حي واحد معزول. وفي التربة، يعني ذلك اختلاط الشظايا الوراثية للبكتيريا والفطريات والنباتات وغيرها من أشكال الحياة. وبعد ذلك، يحتاج الباحثون إلى تحديد مصدر هذه الشظايا والمعلومات البيولوجية التي تحملها.

تقارن الأدوات المعتمدة على المراجع القراءات بالتسلسلات المعروفة. ويكون ذلك مفيدًا عند وجود تطابق وثيق، لكن نقص قواعد البيانات يترك كثيرًا من القراءات بلا تصنيف. ويمكن لما يُعرف بـ«المادة المظلمة» الميكروبية الناتجة عن ذلك أن يحجب مكوّنات المجتمع ووظائفه على حد سواء.

يتناول BBERT سؤالًا أسبق في عملية الفرز: هل تبدو الشظية بكتيرية؟ وهذا تصنيف أوسع من تحديد اسم نوع بعينه. ويمكن للتعرّف على أنماط التسلسلات البكتيرية أن يساعد الباحثين على تحديد القراءات التي ينبغي إدراجها في التحليلات اللاحقة، حتى في غياب تطابق مرجعي وثيق.

نموذج لغوي مدرّب على أنماط الحمض النووي

تصف الورقة نموذجًا قائمًا على BERT يتعلّم السياق ضمن تسلسلات النيوكليوتيدات. وتمثّل أداة تقسيم الرموز فيه قواعد الحمض النووي كلًّا على حدة، بما في ذلك رمز للقاعدة الملتبسة. وفي أثناء التدريب المسبق، يتعلّم النموذج استعادة القواعد المحجوبة بالاستناد إلى معلومات التسلسل المحيطة بها، في تكييف لنهج نمذجة اللغة المقنّعة المستخدم في الذكاء الاصطناعي اللغوي.

بعد ذلك، ضبط الباحثون النموذج ضبطًا دقيقًا لتصنيف التسلسلات إلى بكتيرية وغير بكتيرية. والهدف هو تعلّم الأنماط المميزة للتسلسلات البكتيرية، بما يتيح الاستدلال من دون البحث عن تسلسل مرجعي مطابق في كل مرة يجري فيها تقييم قراءة. ويظل الاستدلال من دون مراجع معتمدًا على ما تعلّمه النموذج أثناء التدريب؛ ولا يعني ذلك أن النظام طُوّر من دون بيانات جينومية.

يقدّر BBERT أيضًا ما إذا كانت الشظية ترمّز بروتينًا، ويتنبأ بإطار قراءتها. وتحدد أطر القراءة كيفية تجميع قواعد الحمض النووي في وحدات ثلاثية تُستخدم لترميز الأحماض الأمينية. ويساعد اختيار الإطار الصحيح الأدوات اللاحقة على تفسير الشظية المُرمِّزة تفسيرًا ذا معنى.

ما أظهرته الاختبارات المعيارية

بحسب الإعلان البحثي المقدّم، حقق BBERT دقة تقارب 90% في التمييز بين الحمض النووي البكتيري وغير البكتيري في الاختبارات المعيارية. وحدد الشظايا المُرمِّزة للبروتين بدقة تقارب 88%، وأطر قراءتها بدقة تقارب 96%. وهذه مهام منفصلة، وليست مقياسًا واحدًا للفهم الجينومي العام.

طبّق الفريق الأداة على 1,969 مجموعة بيانات متاحة للجمهور عن الحمض النووي في التربة. وتعرّفت الأداة على تسلسلات بكتيرية ضمن نسبة كبيرة من القراءات التي تركتها أداة مقارنة راسخة بلا تصنيف. وأشارت النتائج أيضًا إلى أن المادة الوراثية غير المفسّرة تشمل مصادر غير بكتيرية، ولا تقتصر على بكتيريا غير مألوفة.

أدى ترشيح القراءات قبل إعادة بناء الجينوم إلى تقليل العمل الحاسوبي أيضًا. ففي خلطات محاكاة لكائنات حية، انخفض متوسط وقت التجميع من نحو 66 ساعة إلى 25 ساعة لكل مجموعة بيانات. واحتوت التسلسلات المعاد بناؤها على حالات عدم تطابق وفجوات أقل، مع الحفاظ على نحو 96% من متوسط تغطية الجينوم البكتيري المتحقق من دون ترشيح.

قدّمت الاختبارات على العُقيدات الجذرية للبقوليات البرية مثالًا بيولوجيًا أكثر تعقيدًا. إذ تحتوي هذه التراكيب على الحمض النووي النباتي والميكروبي معًا. وخفّض الترشيح وقت التجميع إلى نحو النصف، وقلّل ذروة استخدام الذاكرة من 188 GB إلى 82 GB، مع انخفاض التلوث في عدة جينومات بكتيرية معاد بناؤها. لكن فُقدت أيضًا بعض المعلومات البكتيرية.

برمجيات مفتوحة تتيح استخدام هذا النهج

يوفّر مستودع BBERT العام للفريق برمجيات الاستدلال وتعليمات تنزيل النموذج. وتشمل مخرجاته الموثّقة احتمالات التصنيف البكتيري، واحتمالات الترميز، واحتمالات أطر القراءة الستة الممكنة. ويمكن للباحثين أيضًا تصدير التمثيلات المتجهية للتسلسلات لإجراء تحليلات إضافية.

يدعم المستودع مدخلات FASTA وFASTQ القياسية، ويوثّق تسريع المعالجة باستخدام وحدات معالجة الرسوميات، ودعم Apple Silicon، والتشغيل الأبطأ باستخدام وحدة المعالجة المركزية وحدها. كما يوفّر أدوات لترجمة التسلسلات المُرمِّزة المتوقعة إلى أحماض أمينية. وتتيح هذه الميزات استخدام النموذج مكوّنًا ضمن مسار للتحليل، مع مخرجات يستطيع الباحثون ترشيحها وفحصها.

يوفّر الترشيح فائدة، لكنه يظل محدودًا بيولوجيًا

قد يصنّف BBERT بعض المقاطع تصنيفًا خاطئًا. ويمكن أن يشبه الحمض النووي للبلاستيدات الخضراء الحمض النووي البكتيري بسبب أصوله التطورية، كما يظل التمييز بين البكتيريا والعتائق أمرًا صعبًا. لذلك، قد يحسّن الترشيح الكفاءة، لكنه قد يؤدي أيضًا إلى استبعاد قراءات بكتيرية حقيقية. وينبغي للباحثين موازنة هذه المفاضلة مع أهداف تحليل بعينه.

لا تقتصر الدوافع البيئية على تسريع الحوسبة. يصف الملف البحثي الجامعي لـFinkel أعمالًا تتناول ميكروبيومات النباتات، والتفاعلات الميكروبية، وميتاجينوميات نباتات الصحراء وتربتها. ويُعد فهم الكائنات الموجودة ووظائفها أساسًا لدراسة كيفية تشكّل هذه المجتمعات وتأثيرها في النباتات.

يتيح BBERT إعادة فحص مجموعات التسلسل البيئي الموجودة، إلى جانب معالجة عينات جديدة. وتتمثل مساهمته في توفير مرور أولي أسرع قائم على الأنماط عبر القراءات القصيرة، ما يساعد الباحثين على تحديد المقاطع الجينية التي تستحق مزيدًا من الدراسة.