خلاصه:
پژوهشگران توانستند به کمک تکنیک یادگیری ماشینی ترجیحات pH میکروبها را با تحلیل و بررسی ژنوم آنها مشخص کرده و کمک بسیاری به صنعت کشاورزی کنند.
محققان یک روش یادگیری ماشینی را برای پیشبینی ترجیحات pH محیطی باکتریها با تجزیه و تحلیل ژنوم آنها توسعه دادهاند. این روش که میتواند تلاشهای احیای اکولوژیکی، کشاورزی و توسعه پروبیوتیکها را متحول کند، برای بیش از 250 هزار نوع باکتری از نزدیک به 1500 نمونه خاک، دریاچه و جریان آب استفاده شد.
اهمیت این روش در پتانسیل آن برای تسریع قابل توجه فرآیند کشت باکتری است که به طور مرسوم زمان بر است. همچنین میتواند به متخصصان کشاورزی و جنگلداری بینشهای مهمی در مورد انواع باکتریهایی که ممکن است به بازسازی محیطها یا محصولات مختلف بر اساس pH کمک کنند، ارائه دهد.
یک رویکرد یادگیری ماشینی میتواند ترجیحات pH باکتریها را از روی ژنوم آنها پیش بینی کند. این پیشرفت میتواند بازسازی اکولوژیکی، کشاورزی و توسعه پروبیوتیکها را افزایش دهد و همچنین روند کشت باکتریها را تسریع بخشد.
محققان راهی برای پیشبینی ترجیحات pH محیطی باکتریها با نگاهی سریع به ژنوم آنها و با استفاده از یادگیری ماشین پیدا کردهاند. این رویکرد جدید که توسط کارشناسان دانشگاه Colorado Boulder هدایت میشود، نوید کمک به هدایت تلاشهای بازسازی محیط زیست، کشاورزی و حتی توسعه پروبیوتیکهای مرتبط با سلامت را میدهد.
Noah Fierer، یکی از همکاران موسسه تعاونی تحقیقات در علوم محیطی (CIRES) و استاد اکولوژی و زیست شناسی تکامل در CU Boulder میگوید: “ما میدانیم که در هر محیطی، تعداد زیادی باکتری با عملکردهای مهم زیست محیطی وجود دارد، اما ترجیحات محیطی آنها اغلب ناشناخته باقی میماند. از این تکنیک برای کشف اصول اولیه تاریخ طبیعی آنها استفاده میکنیم.”
Josep Ramoneda، نویسنده ارشد این مقاله، محقق CIRES، گفت: “درک اینکه آیا باکتریهای خاصی در محیطهای اسیدی، خنثی یا بازی به احتمال زیاد رشد میکنند یا خیر، تنها اولین قدم است.”
وی افزود: “شما میتوانید از این رویکرد برای پیش بینی چگونگی سازگاری میکروبها با هر تغییر محیطی استفاده کنید. مثلاً بگویید که افزایش سطح دریا باعث میشود آب شور بیشتری به یک تالاب ساحلی وارد شود. ما میتوانیم پیش بینی کنیم که میکروبها چگونه به این تغییرات محیطی واکنش نشان میدهند.”
این پژوهش اخیرا در مجله Science Advances منتشر شد و همکاران دیگری از CIRES و CU Boulder و همچنین همکارانی از کانادا هستند.
میکروبها، از جمله باکتریها، برای عملکرد اکوسیستمها حیاتی هستند. میکروبها در رشد گیاهان، امکان چرخش مواد مغذی در دریاچهها و حتی کمک به هضم انسان، نقش دارند. اما اغلب، جداسازی و رشد آنها در آزمایشگاه غیرممکن است، بنابراین ما اغلب اطلاعات کمی در مورد آنها داریم، به جز ساختار ژنتیکی آنها. تکنیکهای «ماهیگیری» ژنتیکی دهههای اخیر منجر به رشد فزاینده پایگاههای اطلاعاتی ژنوم باکتریها شده است.
بنابراین، تیم تحقیقاتی از آنچه دانشمندان در مورد چند گروه باکتریایی که در یک pH خاص رشد میکنند، استفاده کردند و سپس از یادگیری ماشینی برای پیوند دادن ترجیحات pH محیطی آن گروهها با ترکیب ژنتیکی آنها استفاده کردند. این کار شامل جداسازی ژنوم بیش از 250 هزار نوع باکتری از 1500 نمونه خاک، دریاچه و رودخانه بود.
Ramoneda گفت: “چیزی که ما پیدا کردیم این است که میتوانیم تنها بر اساس دادههای ژنومی در مورد ترجیحات pH آنها استنباط کنیم. برای دانشمندان، یکی از مهمترین پیامدهای این یافته این است که میتواند به آنها کمک کند تا کلنیهایی از باکتریها را که قبلاً هرگز قادر به رشد آنها نبودهاند، رشد دهند، آن هم با دادن اولین حدس به آنها در مورد pH.
Fierer افزود: ” کشف چگونگی “کشت” باکتریها به طوری که بتوان آنها را در آزمایشگاه مطالعه کرد و روش یادگیری ماشینی میتواند این فرآیند را بسیار کارآمدتر کند و ممکن است سالها طول بکشد.”
Ramoneda گفت که متخصصان کشاورزی و جنگلداری اغلب باکتریهای زنده را برای “تلقیح” گیاهان در حال رشد با جوامع مفید باکتری اضافه میکنند. اکنون، آنها به بینش سریعتر و بهتری نسبت به انواع باکتریهایی که به بازیابی دشتهای بومی و رشد بهتر ذرت یا سویا کمک کنند، دست یافتند. با اطمینان از اینکه تلقیحکنندهها با pH محیطی سازگار میشوند.
در مرحله بعد، تیم قصد دارد تا بینشی در مورد ترجیحات دمایی باکتریها، سیستم پیچیده دیگری که احتمالاً ژنهای بسیاری را در بر میگیرد، به دست آورد. به عنوان مثال، این میتواند به آنها کمک کند تا درک کنند که چگونه گرم شدن بر جوامع باکتریایی خاک تأثیر میگذارد.
Fierer گفت: “جایگزین این است که سعی کنیم همه آنها را در آزمایشگاه رشد دهیم، و این قسمت سخت کار است.”
همچنین بخوانید:
- آیا از تزریق میترسید؟ نوعی ربات پوشیدنی در این فرایند به شما کمک میکند!
- هوش مصنوعی میتواند عود مجدد بیماری کرون را با موفقیت پیشبینی کند!
- تجزیه و تحلیل اسکنهای چشم بیمارانی که در معرض حمله قلبی اند با هوش مصنوعی
مترجم: امید آهنگریان ابهری