ابزار هوش مصنوعی جدید پاتوژن‌های گیاهی و ژن‌های پشت آن‌ها را آشکار می‌کند

ویرایش شده توسط لیزا لاک، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

آیا DNA یک باکتری می تواند نشان دهد که آیا یک گیاه را بیمار می کند یا خیر؟ گیلرمو گوئررو اگیدو، بیوانفورماتیک، معتقد است. در تحقیقات دکترای خود، او یک روش محاسباتی را توسعه داد که نه تنها پاتوژن‌های بالقوه را شناسایی می‌کند، بلکه ژن‌هایی را که ممکن است مسئول توانایی‌های بیماری‌زای آنها باشند نیز شناسایی می‌کند.

Guerrero Egido می‌گوید: «اکنون مقدار زیادی DNA باکتریایی در پایگاه‌های داده عمومی موجود است. "ما می خواستیم از این داده ها برای پیش بینی سبک زندگی باکتری ها استفاده کنیم. آیا یک باکتری در خاک، روی گیاهان یا بدن انسان زندگی می کند؟ آیا به رشد گیاهان کمک می کند یا آنها را بیمار می کند؟"

ابزار جدید مبتنی بر هوش مصنوعی او به نام bacLIFE به محققان این امکان را می دهد که به چنین سوالاتی خیلی سریعتر پاسخ دهند. این می‌تواند به آنها کمک کند تا باکتری‌های مفید برای کشاورزی را شناسایی کرده و پاتوژن‌های بالقوه را در مراحل اولیه شناسایی کنند.

Guerrero Egido از پایان نامه خود با عنوان "مطالعات سبک زندگی باکتریایی در عصر ژنومیک" در 11 نوامبر در دانشگاه لیدن دفاع کرد.

Guerrero Egido برای تحقیقات خود ژنوم بیش از 16000 باکتری متعلق به دو گروه باکتریایی مرتبط با گیاه را تجزیه و تحلیل کرد. ادبیات علمی اطلاعاتی در مورد شیوه زندگی حدود 40 درصد از این باکتری ها، از جمله اینکه آیا آنها باعث بیماری می شوند، ارائه می دهد. از این نمونه های شناخته شده برای آموزش سیستم استفاده شد.

"سوال اساسی این است: شما چه چیزی دارید که من ندارم؟" Guerrero Egido توضیح می دهد. "اگر یک باکتری باعث بیماری در گیاهان شود، اما خویشاوندان نزدیکش این کار را نکنند، چه ژن هایی دارد که بقیه فاقد آن هستند؟" این ژن ها می توانند توضیح دهند که چرا این باکتری خاص باعث بیماری می شود.

این رویکرد که به عنوان ژنتیک مقایسه ای شناخته می شود، قبلا مورد استفاده قرار گرفته است. با این حال، در حالی که محققان به طور سنتی تنها تعداد انگشت شماری از باکتری ها را در یک زمان مقایسه می کنند، bacLIFE می تواند هزاران باکتری را به طور همزمان تجزیه و تحلیل کند. این سیستم با استفاده از یادگیری ماشینی، نوعی از هوش مصنوعی که از مثال‌ها یاد می‌گیرد، الگوهای مرتبط با سبک زندگی خاص را شناسایی می‌کند.

این برنامه صدها ژن کاندید را شناسایی کرد که ممکن است در ایجاد بیماری های گیاهی نقش داشته باشند. همچنین می‌تواند درباره باکتری‌هایی که اطلاعات کمی در دسترس است، پیش‌بینی کند.

Guerrero Egido می خواست بداند که آیا پیش بینی های این ابزار درست بوده است یا خیر. برای کشف این موضوع، او از کامپیوتر به آزمایشگاه رفت و در آنجا شش ژن کاندید را بررسی کرد. ژن‌ها خاموش شدند و پس از آن او و همکارانش آزمایش کردند که باکتری‌ها چقدر می‌توانند گیاهان را آلوده کنند.

این یک چالش جدید برای Guerrero Egido بود که کارش معمولا در درجه اول محاسباتی است. او می گوید: «برای این بخش از پروژه، من واقعا به کمک همکارانم در آزمایشگاه نیاز داشتم.

نتایج امیدوارکننده بود. هنگامی که یک ژن کاندید غیرفعال شد، این باکتری در آلوده کردن گیاهان بسیار کم‌تر شد.

قابل توجه است که برخی از ژن های آزمایش شده هنوز تا حد زیادی ناشناخته بودند. Guerrero Egido می گوید: «ما هنوز دقیقا نمی دانیم که این ژن ها چه کار می کنند یا چگونه کار می کنند. اما ما می دانیم که آنها در توانایی باکتری در ایجاد بیماری نقش دارند.

این روش ممکن است فراتر از تحقیقات گیاهی نیز مفید باشد. هنگام تجزیه و تحلیل مجموعه داده هایی که شامل باکتری مسئول سل می شد، bacLIFE با موفقیت چندین ژن را شناسایی کرد که قبلا از مطالعات قبلی شناخته شده بودند. این نشان می‌دهد که این رویکرد ممکن است برای باکتری‌هایی که انسان‌ها یا حیوانات را آلوده می‌کنند نیز کارساز باشد.

Guerrero Egido همچنین یک نسخه اقتباس شده برای قارچ ها ایجاد کرده است، اگرچه این نسخه هنوز در انتظار تایید آزمایشی است.

به گفته Guerrero Egido، روش جدید می تواند زمان زیادی را برای محققان صرفه جویی کند. اکنون محققان اغلب مجبورند ژن ها را یکی یکی خاموش کنند تا بفهمند کدام یک مسئول یک صفت خاص هستند. "روش ما به آنها اجازه می دهد تا از قبل یک انتخاب هدفمند انجام دهند. این به آنها کمک می کند تا فرضیه ها را به طور کارآمدتری توسعه دهند و راه خود را از طریق حجم عظیمی از داده های DNA که اکنون در دسترس است پیدا کنند."

لیسانس تاریخ هنر، کارشناسی ارشد فرهنگ مادی. سردبیر سابق موزه، پیراپزشک و هماهنگ کننده پیوند. ویرایش برای Science X از سال 2021. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →