Российские исследователи предложили ИИ-платформу, способную радикально ускорить аннотацию геномов

Новая архитектура искусственного интеллекта может сократить один из самых медленных этапов современной геномики

Скорость секвенирования уже перестала быть главным ограничением

За последние двадцать лет технологии секвенирования ДНК развивались настолько быстро, что стоимость чтения генома снизилась в тысячи раз. Сегодня собрать последовательность ДНК нового организма зачастую значительно проще, чем понять, что именно означает полученный набор миллиардов нуклеотидов.

Именно на этом этапе начинается аннотация генома — процесс поиска генов, определения их границ, внутреннего строения и функций. Без такой разметки последовательность ДНК представляет собой лишь длинную цепочку символов, практически непригодную для дальнейшего биологического анализа.

По словам ведущего научного сотрудника AIRI Вениамина Фишмана, сегодня качественная аннотация одного нового генома может занимать годы, тогда как сами геномы собираются значительно быстрее. Это создает серьезный разрыв между объемом накопленных данных и возможностями их интерпретации.

Почему поиск генов гораздо сложнее, чем кажется

На первый взгляд задача выглядит похожей на поиск предложений в тексте. Однако в реальности геном устроен значительно сложнее.

Гены не имеют универсальных и одинаковых для всех организмов «меток» начала и конца. Они могут частично перекрываться, располагаться на обеих цепях ДНК, иметь сложную внутреннюю организацию и существенно отличаться между различными группами организмов.

Кроме того, далеко не все функционально важные участки ДНК кодируют белки. Значительная часть генома отвечает за синтез различных молекул РНК, которые регулируют активность других генов и участвуют в управлении клеточными процессами.

Именно поэтому классические алгоритмы часто требуют большого количества экспериментальных данных и ручной проверки специалистами.

Вместо одной нейросети используется целая последовательность специализированных моделей

Российские исследователи отказались от идеи создать универсальную модель, которая сразу решает всю задачу.

Разработанная система представляет собой цепочку специализированных моделей искусственного интеллекта, каждая из которых отвечает за собственный этап анализа.

Сначала одна модель определяет возможные границы генов на обеих цепях ДНК.

Затем другая оценивает, действительно ли найденный участок соответствует гену.

После этого отдельный классификатор определяет тип обнаруженного генетического элемента.

На заключительном этапе сегментационная модель восстанавливает внутреннюю структуру гена, включая расположение его функциональных участков.

Такой модульный подход позволяет постепенно уточнять результат и снижать количество ошибок по сравнению с попыткой решить всю задачу одним алгоритмом.

Система работает не только с геномами млекопитающих

Особый интерес представляет универсальность новой платформы.

Хотя обучение проводилось преимущественно на геномамах млекопитающих, при тестировании система успешно справилась также с анализом геномов дрозофил, растений и дрожжей.

По данным разработчиков, это позволяет рассчитывать, что аналогичный подход сможет использоваться для организмов практически из всех царств живой природы.

Особенно важным такое решение может оказаться для так называемых немодельных организмов — видов, которые практически не исследовались современной биологией и для которых отсутствуют подробные генетические базы данных.

Почему автоматическая аннотация становится новым узким местом мировой геномики

Сегодня международные проекты ежегодно публикуют тысячи новых геномов животных, растений, грибов и микроорганизмов.

Однако полноценную биологическую ценность эти данные приобретают только после качественной аннотации.

По данным, приведенным разработчиками, на сегодняшний день хотя бы частично аннотированы лишь 166 геномов млекопитающих из примерно 4500 известных видов. Аналогичная ситуация наблюдается и в других крупных группах организмов.

Именно поэтому автоматизация этого этапа становится одной из наиболее востребованных задач современной вычислительной биологии.

Где новая технология может принести наибольшую практическую пользу

Если подобные системы станут стандартным инструментом первичного анализа, исследователи смогут практически сразу после получения последовательности генома получать предварительную карту генов-кандидатов.

Это позволит значительно быстрее переходить к изучению механизмов заболеваний, поиску новых биомаркеров, исследованию эволюции организмов, разработке новых биотехнологических решений и анализу сельскохозяйственно значимых культур.

Для фармацевтической отрасли ускоренная аннотация геномов потенциально означает более быстрое выявление новых терапевтических мишеней, исследование механизмов устойчивости микроорганизмов, поиск перспективных природных соединений и развитие технологий синтетической биологии. При этом сама система не заменяет лабораторную верификацию результатов, а служит инструментом предварительного анализа, позволяющим существенно сократить объем ручной работы.