Искусственный интеллект ускоряет открытие функций микробных генов

Совместная исследовательская группа предложила передовую стратегию, использующую искусственный интеллект (ИИ) для радикального ускорения открытия функций микробных генов. Эта работа, опубликованная в журнале Nature Microbiology, систематизирует новейшие подходы на базе ИИ.

Несмотря на расшифровку геномов, функции значительной части генов микроорганизмов остаются неизвестными. Традиционные экспериментальные методы открытия функций генов остаются трудоемкими и дорогими.

Подходы на базе ИИ и новые технологии

Для преодоления этих барьеров команда подчеркивает необходимость подхода, объединяющего вычислительную и экспериментальную биологию под управлением ИИ. В обзоре рассмотрены методы — от анализа сходства последовательностей до новейших моделей глубокого обучения.

Технологии предсказания 3D-структуры белков, такие как AlphaFold (Google DeepMind) и RoseTTAFold (Университет Вашингтона), открывают новые возможности, позволяя понять механизмы работы генов. Генеративный ИИ расширяет границы исследований в сторону проектирования белков с заданными функциями.

Применения, вызовы и будущее

Фокусируясь на транскрипционных факторах и ферментах, команда представила примеры применения и будущие направления исследований, интегрирующие анализ последовательностей генов, предсказание структуры белков и метагеномный анализ.

Для преодоления ограничений традиционных методов исследователи выделили необходимость внедрения системы «активного обучения», где ИИ направляет экспериментальный процесс. В этом подходе ИИ-модель идентифицирует прогнозы с высокой неопределенностью и предлагает конкретные эксперименты для их проверки. Результаты затем используются для улучшения точности модели, создавая эффективный итеративный цикл.

Такой подход требует тесной интеграции с автоматизированными экспериментальными платформами и общей исследовательской инфраструктурой, такой как биофаундри. Также важно делиться «неудачными данными» — результатами экспериментов, не давших ожидаемого результата, — как ценным материалом для обучения.

«Хотя производительность прогнозирования на основе глубокого обучения значительно улучшилась, разработка "объяснимых" моделей ИИ, способных давать биологическое обоснование своим результатам, остается критической задачей», — отметил соавтор исследования, доктор Ги Бэ Ким из KAIST.

«Ключ к преодолению пределов в открытии функций генов лежит в сочетании системной, управляемой ИИ экспериментальной структуры с автоматизированной исследовательской инфраструктурой под руководством ученых. Создание исследовательской экосистемы, где предсказание и валидация постоянно связаны, крайне важно», — подчеркнул выдающийся профессор Сан Юп Ли.

Больше информации: Bernhard O. Palsson et al, Approaches for accelerating microbial gene function discovery using artificial intelligence, Nature Microbiology (2026). DOI: 10.1038/s41564-025-02214-1

Источник: The Korea Advanced Institute of Science and Technology (KAIST)