BBERT, Toprak Örneklerinde Gizli Bakteri DNA’sını Yapay Zekâyla Tanıyor

Hebrew University of Jerusalem ve iş birliği yaptığı kurumların araştırmacıları, 100 baz kadar kısa DNA parçalarındaki bakteri DNA’sını tanıyan bir yapay zekâ aracı olan BBERT’yi geliştirdi. Çalışma, çevresel genomiğin süregelen bir sorununu ele alıyor: Bilim insanları bir toprak örneğindeki genetik materyali dizileyebiliyor, ancak organizmalar referans veri tabanlarında yeterince temsil edilmediğinden bu materyalin büyük bölümünü yorumlamak hâlâ zor.

Çalışma, “BBERT kullanılarak kısa metagenomik okumaların taksonomik alanının hızlı ve doğru biçimde belirlenmesi” başlığıyla Nucleic Acids Research dergisinde yayımlandı. Çalışmaya, üniversitenin Racah Fizik Enstitüsü’nden Dr. Amir Erez ile Bitki ve Çevre Bilimleri Bölümü’nden Dr. Omri M. Finkel liderlik etti. Dmitry Alekhin, Moshe Alon ve Tomer Sidi çalışmaya eşit katkıda bulundu; University of Haifa ve Agricultural Research Organization bünyesindeki Volcani Institute’ten meslektaşları da araştırmada yer aldı.

Toprak DNA’sını Sınıflandırmak Neden Zor?

Shotgun metagenomik, tek bir organizmadan alınan DNA yerine, bütün bir topluluktan toplanan DNA’yı diziler. Toprak söz konusu olduğunda bu, bakteri, mantar, bitki ve diğer yaşam biçimlerinden gelen genetik parçaların bir arada bulunması demektir. Araştırmacıların daha sonra bu parçaların nereden geldiğini ve hangi biyolojik bilgileri taşıdığını belirlemesi gerekir.

Referans temelli araçlar, okumaları bilinen dizilerle karşılaştırır. Yakın bir eşleşme bulunduğunda bu yöntem işe yarar; ancak eksik veri tabanları, çok sayıda okumanın sınıflandırılamamasına yol açar. Bunun sonucunda ortaya çıkan mikrobiyal “karanlık madde”, hem bir topluluğun bileşimini hem de yerine getirdiği işlevleri anlamayı zorlaştırabilir.

BBERT, sınıflandırmanın daha önceki bir aşamasındaki şu soruyu ele alıyor: Bir parça bakteri dizisine benziyor mu? Bu, tür adını belirlemekten daha geniş kapsamlı bir sınıflandırmadır. Bakteri dizilerine özgü örüntüleri tanımak, yakın bir referans eşleşmesi bulunmasa bile araştırmacıların sonraki analizlerde hangi okumaları kullanacaklarına karar vermesine yardımcı olabilir.

DNA Örüntüleriyle Eğitilmiş Bir Dil Modeli

Makale, nükleotit dizilerindeki bağlamı öğrenen, BERT tabanlı bir modeli açıklıyor. Modelin belirteçleyicisi, belirsiz baz sembolü de dâhil olmak üzere DNA’nın tek tek bazlarını temsil ediyor. Ön eğitim sırasında model, dil yapay zekâsında kullanılan maskeli dil modelleme yaklaşımının uyarlanmış bir biçimiyle, çevresindeki dizi bilgilerinden yararlanarak maskelenmiş bazları tahmin etmeyi öğreniyor.

Araştırmacılar daha sonra modeli, dizileri bakteri kaynaklı ve bakteri kaynaklı olmayan şeklinde sınıflandırmak üzere ince ayardan geçirdi. Amaç, bakteri dizilerine özgü örüntüleri öğrenerek her bir okuma değerlendirildiğinde eşleşen bir referans dizisi aramadan çıkarım yapabilmek. Referanssız çıkarım yine de modelin eğitim sırasında öğrendiklerine dayanır; bu, sistemin genomik veriler kullanılmadan geliştirildiği anlamına gelmez.

BBERT ayrıca bir parçanın protein kodlayıp kodlamadığını tahmin ediyor ve okuma çerçevesini belirliyor. Okuma çerçeveleri, DNA bazlarının amino asitleri kodlamak için kullanılan üçlü birimler hâlinde nasıl gruplandırılacağını belirler. Doğru çerçevenin seçilmesi, sonraki aşamalardaki araçların kodlayıcı bir parçayı anlamlı biçimde yorumlamasına yardımcı olur.

Kıyaslama Testlerinin Bulguları

Paylaşılan araştırma duyurusuna göre BBERT, kıyaslama testlerinde bakteri DNA’sını bakteri kaynaklı olmayan DNA’dan ayırt etmede yaklaşık %90 doğruluk sağladı. Protein kodlayan parçaları yaklaşık %88 doğrulukla, bu parçaların okuma çerçevelerini ise yaklaşık %96 doğrulukla belirledi. Bunlar, genomun genel olarak ne ölçüde anlaşıldığını gösteren tek bir ölçüm değil, birbirinden ayrı görevlerdir.

Ekip, aracı kamuya açık 1.969 toprak DNA veri kümesine uyguladı. BBERT, yerleşik bir karşılaştırma aracının sınıflandıramadığı okumaların önemli bir bölümünde bakteri dizilerini tanıdı. Bulgular ayrıca açıklanamayan genetik materyalin yalnızca bilinmeyen bakterilerden oluşmadığını, bakteri kaynaklı olmayan unsurları da içerdiğini gösterdi.

Genom birleştirme işleminden önce okumaların filtrelenmesi, hesaplama yükünü de azalttı. Simüle edilmiş organizma karışımlarında, ortalama birleştirme süresi veri kümesi başına yaklaşık 66 saatten 25 saate düştü. Yeniden oluşturulan dizilerde uyumsuzluk ve boşluk sayısı azalırken, filtreleme uygulanmadan elde edilen ortalama bakteri genomu kapsamının yaklaşık %96’sı korundu.

Yabani baklagillerin kök yumrularında yapılan testler, biyolojik açıdan daha karmaşık bir örnek sundu. Bu yapılar, bitki ve mikrop DNA’sını bir arada barındırıyor. Filtreleme, birleştirme süresini yaklaşık yarıya indirdi ve en yüksek bellek kullanımını 188 GB’tan 82 GB’a düşürdü; ayrıca yeniden oluşturulan bazı bakteri genomlarındaki kontaminasyon azaldı. Bununla birlikte, bakterilere ait bazı bilgiler de kayboldu.

Açık Yazılım, Yöntemin Kullanılmasını Sağlıyor

Ekibin kamuya açık BBERT deposu, çıkarım yazılımını ve model indirme talimatlarını içeriyor. Belgelenen çıktılar arasında bakteri sınıflandırma olasılıkları, kodlama olasılıkları ve altı olası okuma çerçevesine ait olasılıklar bulunuyor. Araştırmacılar ayrıca daha ileri analizlerde kullanmak üzere dizi gömmelerini dışa aktarabiliyor.

Depo, standart FASTA ve FASTQ girdilerini destekliyor; GPU hızlandırması, Apple Silicon desteği ve yalnızca CPU’yla daha yavaş çalışma seçeneklerini belgeliyor. Ayrıca tahmin edilen kodlayıcı dizileri amino asitlere çevirmeye yönelik araçlar sunuyor. Bu özellikler, modeli bir analiz hattının bileşeni hâline getiriyor; araştırmacılar çıktıları filtreleyip inceleyebiliyor.

Yararlı Filtrelemenin Biyolojik Sınırları Var

BBERT bazı parçaları yanlış sınıflandırabilir. Kloroplast DNA’sı, evrimsel kökenleri nedeniyle bakteriyel DNA’ya benzeyebilir; bakterileri arkelerden ayırt etmek de hâlâ zordur. Bu nedenle filtreleme, verimliliği artırırken gerçek bakteriyel okumaların da elenmesine yol açabilir. Araştırmacıların bu ödünleşimi, belirli bir analizinin amaçlarını göz önünde bulundurarak değerlendirmesi gerekir.

Ekolojik motivasyon, daha hızlı hesaplamanın ötesine uzanıyor. Finkel’in üniversitedeki araştırma profili, bitki mikrobiyomları, mikrobiyal etkileşimler ve çöl bitkileri ile toprak metagenomiği üzerine çalışmalarını anlatıyor. Hangi organizmaların ve işlevlerin bulunduğunu anlamak, bu toplulukların nasıl oluştuğunu ve bitkileri nasıl etkilediğini incelemenin temelini oluşturuyor.

BBERT, yeni örnekleri işlemenin yanı sıra mevcut çevresel dizileme koleksiyonlarını yeniden incelemek için de bir yöntem sunuyor. Katkısı, kısa okuma dizilerini örüntü temelli ve daha hızlı bir ilk taramadan geçirerek araştırmacıların hangi genetik parçaların daha derinlemesine incelenmeye değer olduğuna karar vermesine yardımcı olmasıdır.