Zespół z University of Sydney (Australia) opracował algorytm uczenia maszynowego (o nazwie LucaProt), który potrafi analizować olbrzymie ilości danych genetycznych, w tym genomy wirusów, nawet bardzo duże i skomplikowane.
Z jego pomocą naukowcy odkryli 161979 wirusów o genomach zbudowanych z RNA. Jak twierdzą, spodziewają się odkrycia jeszcze milionów wirusów, a także przyspieszenia badań nad genetyką różnych organizmów.
Ukryta część życia
– Otrzymaliśmy wgląd w ukrytą część życia na Ziemi, ujawniając niezwykłą bioróżnorodność – wyniki komentuje prof. Edwards Holmes, główny autor badania opisanego w magazynie „Cell”.
– To największy katalog nowych gatunków wirusów odkryty w jednym badaniu i ogromnie poszerza on naszą wiedzę na temat wirusów żyjących wśród nas. Odkrycie tak wielu nowych wirusów za jednym razem jest oszałamiające, a to dopiero początek. Dokonanie otwiera drzwi do kolejnych odkryć. Istnieją miliony innych wirusów do zidentyfikowania, a tę samą metodę możemy zastosować także do badania bakterii i pasożytów – dodaje.
Jak wyjaśniają badacze, zdecydowana większość genomów opisanych teraz wirusów była już wcześniej zsekwencjonowana, ale były one tak różne, że nikt nie wiedział, czym są.
Ciemna materia genetycznych sekwencji
– Stanowiły one to, co często nazywa się „ciemną materią genetycznych sekwencji”. Nasza metoda oparta na sztucznej inteligencji była w stanie uporządkować i skategoryzować te rozproszone informacje, po raz pierwszy rzucając światło na znaczenie tej „ciemnej materii'” – mówi badacz.
Badanie wirusów tradycyjnymi metodami zajęłoby nieporównanie więcej czasu.
Czytaj także: Mur, który ciężko będzie przebić. Ogromne obawy przed sztuczną inteligencją
– Kiedyś w odkrywaniu wirusów polegaliśmy na żmudnych metodach bioinformatycznych, co ograniczało różnorodność, którą mogliśmy analizować. Teraz mamy znacznie bardziej efektywny model oparty na sztucznej inteligencji, który oferuje wyjątkową czułość i specyficzność, a jednocześnie pozwala nam znacznie bardziej zagłębić się w różnice miedzy wirusami. Planujemy zastosować ten sam model także w innych obszarach – tłumaczy uczestniczący w projekcie prof. Mang Shi z chińskiego Uniwersytetu im. Sun Yat-sena.
