宏基因组学和人工智能有望揭示未培养的细菌和古菌

宏基因组学和人工智能有望揭示未培养的细菌和古菌

一句话看懂：科学家正在利用宏基因组学和人工智能技术，大规模识别和分类那些无法在实验室培养的细菌和古菌，填补我们对微生物世界认知的巨大空白。这项研究有望加速新抗生素发现、环境治理和基础生物学研究。

事件核心：发生了什么

据phys.org报道，一支国际研究团队开发了一种结合宏基因组学和人工智能的新方法，能够从环境样本（如土壤、海洋、人体肠道）中直接获取微生物的遗传信息，并利用AI模型预测这些微生物的代谢功能、生态角色以及亲缘关系。传统的微生物学研究依赖于实验室培养，但估计有超过99%的细菌和古菌无法通过现有技术培养，导致我们对微生物多样性的理解严重受限。这项研究通过深度学习算法，能从复杂的宏基因组数据中识别出未知微生物的基因组序列，并对其进行分类和功能注释。团队已在多种生态环境中验证了该方法，识别出数万个此前未被描述的微生物物种。

为什么重要

这项工作的重要性体现在三个层面：第一，它提供了研究“微生物暗物质”的工具。这些未培养微生物可能蕴含着新型酶、抗生素合成基因和代谢通路，是药物开发和工业生物技术的潜在宝库。第二，AI的引入大幅提升了宏基因组分析的效率和准确性。传统分析依赖比对已知数据库，而AI模型能够基于序列模式直接推断功能，不受已有知识限制。第三，该技术路线可能改变微生物生态学的研究范式：从依赖培养的“发现”模式，转向基于数据和计算的“预测”模式，使大规模环境微生物普查成为可能。

对用户/开发者/创作者的影响

对从事微生物组研究的科研人员而言，这意味着可以直接获取此前难以触及的微生物基因组，从而拓展研究方向。对于生物信息学和AI开发者，该工作暴露了一个明确的应用场景：需要开发更高效、更具解释性的AI模型来处理海量、高维的宏基因组数据。对于合成生物学和药物研发企业，这些新发现的基因资源可能成为未来产品开发的起点，但需注意这些预测结果仍需实验验证。对于普通公众，虽然不会直接接触工具，但由此可能带来的新抗生素或环境修复技术将在未来几年间接影响生活。

值得关注的后续

目前公开信息显示，应重点关注以下三点：第一，该AI方法的开源程度和可复现性，这将决定其能否被学术界广泛采用。第二，是否有团队将识别出的新基因进行异源表达和功能验证，这是从计算预测到实际应用的关键一步。第三，大模型（如LLM）能否被用于理解微生物基因组中的“语法”，进一步扩展宏基因组分析的边界。此外，随着全球微生物组测序数据持续增长，算力需求和数据分析方法也将成为竞争焦点。

来源：phys.org