Метагеномная система, управляемая искусственным интеллектом, обещает культивировать скрытые микробы планеты
Исследователи из Университета науки и технологий имени короля Абдаллы (KAUST) в сотрудничестве с международным консорциумом представили систему прогнозирования, которая объединяет метагеномное секвенирование с моделями искусственного интеллекта для управления культивированием ранее некультивируемых бактерий и архей. Работа, описанная на Phys.org 11 мая, направлена на устранение давнего узкого места в микробиологии: более 99% видов микробов известны только по фрагментам ДНК.
Система сканирует крупномасштабные базы данных ДНК окружающей среды, извлекает геномные сигнатуры, указывающие на потребности роста, и передает их в модель глубокого обучения, обученную на успешных лабораторных культурах. Затем ИИ предлагает оптимальные составы сред, температурные диапазоны и партнеров для совместного культивирования для каждого целевого организма.
Ведущий автор доктор Фатима Аль-Мансур объяснила: «Наш алгоритм с точностью 85% предсказывает минимальный коктейль питательных веществ, необходимый для того, чтобы вывести данный микроб из «некультивируемого» состояния». Соавтор профессор Дэниел Кляйн добавил, что этот метод уже позволяет получать изоляты новых архей, окисляющих метан, из образцов глубоководных отложений.
Микробные экологи отмечают, что раскрытие этих скрытых таксонов может произвести революцию в биотехнологии, от новых антибиотиков до биотопливных путей. Профессор Елена Гомес из Института Макса Планка предупредила, что «несмотря на то, что этот подход является прогнозирующим, он по-прежнему требует итеративной лабораторной проверки, а некоторые метаболические зависимости могут быть слишком сложными для существующих моделей».
Команда проверит систему на всемирной коллекции образцов почвы в рамках пилотной программы, запланированной на конец 2026 года, с целью ввести в культуру не менее 100 новых штаммов. Успех может способствовать глобальным усилиям, таким как Проект «Микробиом Земли», и служить основой для исследований по моделированию климата, основанных на точных функциональных данных микробов.