Descifrando el potencial enzimático en lecturas metagenómicas a través de modelos de lenguaje de ADN

Área de la Ciencia:

• Microbiología
• La bioinformática
• La genómica

Sus antecedentes:

• Las comunidades microbianas desempeñan funciones globales vitales, pero su pleno potencial es en gran medida desconocido.
• La metagenómica secuencia el ADN microbiano de los entornos, pero el análisis a menudo se basa en la comparación con secuencias conocidas.
• Los métodos actuales limitan la exploración de la "materia oscura" microbiana y los nuevos genes funcionales.

Objetivo del estudio:

• Desarrollar nuevos modelos de lenguaje (LM) para el análisis sin referencia de las lecturas metagenómicas.
• Introducir REMME (Leer EMbedder para la exploración metagenómica) para comprender el contexto del ADN.
• Para presentar REBEAN (Read Embedding-Based Enzyme ANnotator) para predecir las funciones enzimáticas de los genes dentro de las lecturas.

Principales métodos:

• Desarrollo de un LM de base preentrenado, REMME, para la incorporación de lecturas metagenómicas.
• Ajuste fino de REMME en REBEAN para predecir el potencial enzimático y las funciones moleculares.
• Utilizando LM para identificar segmentos de genes relevantes para la función y anotar secuencias huérfanas.

Principales resultados:

• REBEAN predice con éxito las funciones enzimáticas, incluso para secuencias previamente no caracterizadas (huérfanas).
• Los modelos identifican partes genéticas relevantes para la función sin capacitación explícita para esta tarea.
• Se descubrieron nuevas enzimas, ampliando la comprensión de las capacidades enzimáticas en las comunidades microbianas.

Conclusiones:

• Los enfoques basados en modelos de lenguaje ofrecen un cambio de paradigma para el análisis metagenómico sin referencia.
• REMME y REBEAN amplían significativamente la anotación del potencial enzimático en lecturas metagenómicas sin ensamblar.
• Estos modelos avanzan en la exploración de la "materia oscura" microbiana y la diversidad funcional.