深度学习助力微生物“暗物质”研究：香港浸大、英伟达团队开发多模态深度语言模型Deepurify
引言
微生物世界充满了未知，被称为“暗物质”的微生物基因组，由于其复杂性和多样性，一直难以被完全解析。宏基因组组装基因组 (MAG) 为探索这些“暗物质”提供了宝贵的机会，但其污染问题却一直困扰着研究人员。近年来，深度学习技术为解决这一难题带来了新的曙光。
香港浸会大学和英伟达 AI 技术中心的研究人员联合开发了一种名为 Deepurify 的多模态深度语言模型，用于净化 MAG，有效地提高了微生物基因组研究的准确性。
Deepurify 的创新之处
Deepurify 的核心在于其多模态深度学习架构，它将基因组序列和分类谱系信息整合到一个模型中，并利用对比学习来建立两者之间的关联。
- 多模态学习： Deepurify 使用两个编码器，GseqFormer 和长短期记忆 (LSTM)，分别生成基因组序列和分类谱系的嵌入，将两种信息融合在一起。
- 对比学习：通过对比学习，Deepurify 能够识别出基因组序列与其分类谱系之间的差异，从而有效地识别和去除 MAG 中的污染。
- 树遍历算法： Deepurify 将 MAG 内的 contig 分配给 MAG 分离树，并应用树遍历算法将 MAG划分为子 MAG，最大化高质量和中质量子 MAG 的数量。
Deepurify 的优势
- 高精度： Deepurify 在模拟数据、CAMI 数据集和真实数据集上的表现均优于竞品 (MDMclearer 和 MAGpurify)。
*泛化能力强： Deepurify 即使在训练集中没有源基因组的情况下，也能准确识别受污染的重叠群。 - 迭代净化策略： Deepurify_Iter 能够对来自多个分箱工具的 MAG 进行逐步净化，进一步提高了净化效果。
研究成果
Deepurify 在土壤、海洋、植物、淡水和人类粪便宏基因组测序数据集中，分别使高质量 MAG 的数量增加了 20.0%、45.1%、45.5%、33.8% 和 28.5%。
未来展望
Deepurify 的开发为微生物“暗物质”研究提供了新的工具，将推动该领域的研究进展。未来，Deepurify 可以进一步扩展应用范围，例如用于识别和分析微生物群落中的关键物种，以及开发新的微生物资源。
参考文献
- A multi-modal deep language model for contaminant removal from metagenome-assembled genomes. Nature Machine Intelligence, 2024.
结论
Deepurify 的开发标志着深度学习技术在微生物基因组研究中的重要应用，它将为我们更深入地了解微生物世界提供有力支持，并为解决人类面临的重大挑战，例如环境污染、疾病防治和资源利用，提供新的思路和方法。
Views: 0