米兰官网-从盲目拼图到智能复原：AI照亮生命的未知版图—新闻—科学网

一克土、一片叶、一滴水，均隐蔽着人类认知不足1%的微生物世界。

想象一下，假如一种微生物的基因组是一幅拼图，将成千上万种微生物的基因组拼图拆成碎片，并混于一路，而你要于没有任何参考图纸的环境下，将它们正确回复复兴——这就是微生物宏基因组分箱技能面对的最终挑战。

该观点图展示了LorBin怎样将宏基因组测序的长读数聚类为高质量的宏基因组组装（MAG）。玄色配景代表繁杂的微生物栖息地，框内散播的拼图碎片意味长读数，而框架内由碎片构建出的微生物图案则意味LorBin乐成地将这些散落的基因组序列回复复兴为完备的基因组。受访者供图

近日，南京农业年夜学传授、中国工程院院士沈其荣团队开发的LorBin算法乐成解决了三代宏基因组分箱的共性要害技能难题。他们正试图让这些“隐形住民”初次拥有清楚的基因身份证。《天然—通信》于线发表了这一结果。

地球生命的未知邦畿

微生物看不见、摸不着，却与人类糊口慎密相连。论文配合通信作者、南京农业年夜学传授韦中向记者展示了一份使人震撼的数据：一克泥土中活跃着数以亿计、种类繁杂的微生物。

“微生物组被称为地球生命的‘暗物资’，是由于今朝仍有跨越99%的微生物没法于试验室前提下分散造就。”韦中说。

于医学范畴，微生物基因组信息可用在鉴定疾病相干的生物标记物，为疾病初期诊断及精准医治提供新依据；于农业范畴，经由过程解析作物根际微生物基因组，可以挖掘出可以或许促成作物生长的有利菌株；于情况修复范畴，基因组数据可用在筛选具备高效污染物降解能力、介入生物地球化学轮回的功效微生物，为污染管理与生态恢复提供生物技能支撑。

经由过程破解微生物基因组的信息，人们不仅可以或许辨认情况中已经知与未知的微生物种类，还有可以直接从基因序列猜测其潜于的心理功效、代谢通路，以和微生物与宿主或者情况间的彼此作用机制。

“微生物研究将从描写性的物种构成阐发，迈入功效机制摸索的阶段。”韦中说。

宏基因组测序技能成为破解这一难题的要害路子。尤其是三代测序技能的成长，让碱基序列的检测长度更长、质量更高。“短读长测序犹如将一本书撕成无数碎片，难以拼回原貌；而长读长技能则能直接获取完备的‘段落’甚至‘章节’。”论文配合通信作者、南京农业年夜学资源与情况学院副传授江高飞注释道。

然而，技能冲破暗地里隐蔽着严重的瓶颈问题。江高飞指出，三代宏基因组测序阐发面对原始数据量重大、碱基序列过错率高，以和阐发算法不完美等挑战。“特别是于分箱重构高质量单菌基因组这一要害环节，传统东西犹如为超等显微镜配了个老花镜，造成为了信息资源的巨年夜华侈。”

论文配合第一作者、南京农业年夜学聪明农业学院（人工智能学院）副传授薛卫注释道，所谓“宏基因组分箱”的焦点方针是从繁杂微生物群落中重构出高质量的单菌的基因组。这个历程需要将测序获得的碱基序列举行组装，形成更长的序列片断，随后将这些片断分配到若干个“箱”中。于抱负环境下，每一个箱对于应一个微生物的基因组。

“看似简朴，实则挑战巨年夜。”韦中说，“既要降服繁杂微生物群落中物种构成与品貌的不确定性，又要有用区别高度相似近缘物种，甚至菌株程度的遗传变异纪律。”

为微生物基因组拼图装上“AI眼睛”

面临这些挑战，资源与情况科学学院LorMe试验室与聪明农业学院（人工智能学院）BioAI试验室睁开了跨学科互助。薛卫形象地描写了他们的立异思绪：“传统要领就像是于暗中中盲目拼图，而咱们要做的是给这个历程装上‘AI眼睛’。”

LorBin的焦点立异于在深度交融了多项前沿AI技能：天生式AI、无监视进修、深度进修及留意力机制等。薛卫进一步注释道：“这项研究中重要有四年夜技能冲破，对于应分箱历程中的每一个要害难点。这使患上LorBin的内核拥有一个可以或许自立进修及智能决议计划的‘AI年夜脑’。”

第一项立异是适配变分自编码器。薛卫打了个比喻：“这就像教AI辨认带有方言的平凡话——它可以或许主动过滤三代测序数据中的‘噪声’，提掏出稳健的、可用在区别差别微生物的深层序列特性。完全挣脱了对于人工设计特性的依靠，实现了对于数据素质更智能的解读。”

第二项冲破是两阶段多标准自顺应迭代聚类算法。韦顶用显微镜对于焦来比方，起首用“低倍镜”快速锁定年夜方针，分散出高品貌物种；然后再自顺应的调解，用“高倍镜”邃密挖掘那些数目稀疏但主要的罕见微生物。这显著晋升了新物种的发明能力。

于质量评估环节，团队引入了单拷贝基因集等信息指导的轮回分箱质量评估模子。“这相称在于装置线上设置了质检员，对于每一个‘产物’举行及时检测，确保基因组不被混合或者过错破裂。”江高飞说。

使人线人一新的是第四项立异：采用Transformer模子评估高维数据的空间漫衍特性。“差别微生物的数据于空间中出现差别形态，有的像苹果般丰满，有的则像新月般出缺口。理解这类高低性直接瓜葛到分类算法的选择。”论文配合第一作者、已经卒业研究生刘佐注释说。

“这些技能配合组成一个完备解决方案，使其于重构基因组的完备度、纯度和发明新物种方面均实现显著晋升。”江高飞说。

基准测试成果使人振奋。LorBin总体优在以往6种高机能深度进修算法，重构的高质量单菌基因组比现有东西多15-189%，象征着从不异样本中能挖掘出成倍增长的完备、纯净的微生物基因组，极年夜地扩大了可研究的微生物。

而LorBin辨认特有物种数目更是其他东西的2.4~17倍，直接表现了其于摸索微生物“暗物资”上的较年夜上风。这些晋升为功效基因挖掘、微生物生态机制解析等范畴打开了新窗口，有望鞭策微生物组学研究进入“看患上更多、看患上更清、发明更新”的阶段。

薛卫夸大：“LorBin具备优良的硬件适配性，只需配备通例GPU的Linux计较机就能顺畅运行，极年夜降低了利用门坎。”

从试验室“照进”实际

薛卫向《中国科学报》尤其夸大了这一东西的开源价值：“咱们已经将LorBin的代码于GitHub平台周全公然，并联合多种东西及模块搭建了智能阐发流程。”

这类开源同享的理念，恰是团队跨学科互助精力的延长。回首研发过程，薛卫感触道：“LorBin的降生，源在LorMe试验室与BioAI试验室的‘双向奔赴’。这并不是简朴的技能嫁接，而是一次生物学与人工智能的深度对于话。”

BioAI试验室犹如一名“算法修建师”，手握深度进修东西，致力在构建精妙的计较模子；而LorMe试验室则像是“微生物向导”，依附对于微不雅世界的深刻洞察，确保每一一次模子迭代都直指真正的生物学难题。

互助中最难忘的，并不是技能瓶颈，而是超过那道无形的“语言巴别塔”。对于BioAI而言，挑战于在怎样将繁杂的生命征象“翻译”成呆板能理解的数学语言；对于LorMe而言，则需要解读每个算法决议计划暗地里所隐蔽的生物学意义。

不外，LorBin的冲破不仅表现于技能指标上。

于医学范畴，LorBin揭示出强盛的病原体检测能力。团队使用该东西对于104个肠道样本举行阐发，乐成回复复兴了3194个中高质量的微生物基因组，从中辨认出477个潜于的病原菌物种。

“例如肺炎克雷伯菌，因为持久袒露在抗生素选择压力下，进化出强盛的抗性基因。而像Leclercia adecarboxylata这类新发明的致病菌，虽然自己粉碎力不强，却能携带并流传高危害抗性基因。”薛卫暗示，这类精准辨认能力为临床防控提供了要害线索。

于农业范畴，LorBin正于转变传统的微生物组研究范式。韦中指出：“已往咱们只知道‘泥土里有好细菌’，而此刻能精准锁定那些卖力固氮、解磷、促成作物生长的‘明星菌株’。”

这一冲破为农业微生物肥料研发提供了新思绪。经由过程解析作物根际微生物基因组，研究职员可以挖掘出可以或许促成作物生长的有利菌株，实此刻不转变作物基因的条件下提高产量。

情况监测是LorBin的另外一主要运用场景。该东西可以或许完备描绘污染物被微生物降解的路径图，并能正确辨认情况中耐药基因的携带者和其流传收集。

“这对于在评估情况危害、阻断耐药性扩散提供了要害谍报。”江高飞说。

LorBin鞭策了微生物组研究从“不雅测时代”向“掘客与创造”的改变。“它使咱们可以或许窥见此前被掩蔽的、数目稀疏但功效要害的低品貌微生物，这些微生物往往是驱动整个生态体系运转的‘焦点引擎’。”韦中说。

相干论文信息：https://doi.org/10.1038/s41467-025-64916-8