Исследование молекулярной эволюции в природных условиях при помощи искусственного интеллекта

 AI-Powered Insights into Molecular Evolution: From Codon Usage to Gene Expression in Natural Environments

“`html

AI-Powered Insights into Molecular Evolution: From Codon Usage to Gene Expression in Natural Environments

Изучение эволюции естественного отбора на молекулярном уровне значительно продвинулось с появлением геномных технологий. Исследователи традиционно сосредотачивались на наблюдаемых признаках, таких как время цветения или рост. Однако экспрессия генов обеспечивает промежуточный фенотип, который связывает геномные данные с макроскопическими признаками, предлагая более глубокое понимание отборочных давлений.

Исследование генной экспрессии у Ipomoea hederacea

В недавнем исследовании с участием Ipomoea hederacea исследователи использовали секвенирование РНК для анализа экспрессии генов в естественных условиях. При помощи методов машинного обучения была решена проблема обработки высокоразмерных данных с небольшим объемом выборки, характерных для транскриптомики. Эти методы показали, что гены, связанные с фотосинтезом, стрессовой реакцией и световой реакцией, имеют важное значение для прогнозирования выживаемости. Это демонстрирует потенциал моделей машинного обучения в выявлении важных биологических процессов и генов, находящихся под отбором в естественных условиях, преодолевая ограничения традиционных статистических подходов.

Прогнозирование последовательности кодонов

Интригующие закономерности использования кодонов, существенно различающиеся между видами и внутри видов, подвержены влиянию эволюционного отбора. Исследование исследовало, может ли искусственный интеллект предсказывать последовательности кодонов по заданным последовательностям аминокислот в различных организмах. Исследователи использовали передовые модели искусственного интеллекта, в частности, архитектуру на основе трансформера mBART, чтобы уловить сложные зависимости в использовании кодонов, которые простые частотные методы не смогли обнаружить.

Методы

Для исследования использовались последовательности кодирования NCBI из S. cerevisiae, S. pombe, E. coli и B. subtilis, разделенные на обучающие, проверочные и тестовые наборы. CD-HIT кластеризовал последовательности аминокислот, гарантируя, что кластеры оставались внутри отдельных наборов. BLAST определил подобные последовательности, а уровни экспрессии категоризировали белки. Модели прогнозирования кодонов включали частотные методы и модели mBART с различными конфигурациями.

Обучение и оценка моделей mBART

Модели mBART обучались предсказывать последовательности кодонов по последовательностям аминокислот с использованием маскировки и имитации. Оценка моделей показала, что модели mBART в целом превосходили частотные базовые значения, особенно при прогнозировании кодонов для белков с более высокими уровнями экспрессии.

Выводы

Исследования показали, что модели машинного обучения эффективно выявляют закономерности генной экспрессии, связанные с выживаемостью, особенно в генах, связанных со стрессовой реакцией и развитием репродуктивных органов. Это подчеркивает пользу искусственного интеллекта в декодировании сложных биологических последовательностей и улучшении нашего понимания эволюционной биологии и регуляции генов.

Источники: статья 1, статья 2

Изображение: источник

Применение ИИ в вашем бизнесе

Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ) и оставалась в числе лидеров, грамотно используйте AI-Powered Insights into Molecular Evolution: From Codon Usage to Gene Expression in Natural Environments.

Как ИИ может изменить вашу работу

Проанализируйте, как ИИ может изменить вашу работу. Определите, где возможно применение автоматизации: найдите моменты, когда ваши клиенты могут извлечь выгоду из AI.

Ключевые показатели эффективности

Определитесь, какие ключевые показатели эффективности (KPI) вы хотите улучшить с помощью ИИ.

Внедрение ИИ решений

Подберите подходящее решение, сейчас очень много вариантов ИИ. Внедряйте ИИ решения постепенно: начните с малого проекта, анализируйте результаты и KPI.

Если вам нужны советы по внедрению ИИ, пишите нам на Telegram. Следите за новостями о ИИ в нашем Телеграм-канале или в Twitter.

Попробуйте AI Sales Bot. Этот AI ассистент в продажах помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.

Узнайте, как ИИ может изменить ваши процессы с решениями от AI Lab itinai.ru. Будущее уже здесь!

“`

Полезные ссылки: