Ao menos uma colher de chá de solo abriga uma vasta comunidade de bactérias, fungos e outras microorganismos. Embora possam ser coletados através de sequenciamento genético, muitos desses organismos permanecem difíceis de identificar. Agora, pesquisadores da Universidade Hebraica de Jerusalém e instituições parceiras criaram uma ferramenta de inteligência artificial chamada BBERT, que facilita essa identificação.

Chamado BBERT, o software aprende padrões em DNA bacteriano, permitindo que reconheça fragmentos de DNA bacteriano de apenas 100 'letras' de DNA. Em testes, ele auxiliou os pesquisadores a distinguir DNA bacteriano de outros materiais genéticos e a juntar genomas bacterianos mais rapidamente e com menor número de erros.

O estudo, publicado na revista Nucleic Acids Research, foi liderado por Dr. Amir Erez, do Instituto Racah de Física da Universidade Hebraica, e Dr. Omri M. Finkel, do Departamento de Ciências Vegetais e Ambientais. Outros contribuidores incluíram Dmitry Alekhin, Dr. Moshe Alon e Dr. Tomer Sidi, além de colegas das Universidades de Haifa e do Instituto Volcani de Pesquisa Agrícola.

Identificação de bactérias sem base de dados

A ferramenta BBERT aborda o problema de forma diferente. Ao invés de comparar fragmentos de DNA com sequências armazenadas em bases de dados, ela aprende padrões diretamente no DNA bacteriano. Uma vez treinada, pode avaliar fragmentos desconhecidos sem a necessidade de encontrar correspondências em bases de dados.

A BBERT faz três perguntas: se o DNA parece bacteriano, se contém instruções para produzir parte de uma proteína e, se sim, onde o mecanismo de leitura celular deve começar a agrupar as letras de DNA para interpretar essas instruções corretamente.

Melhorando a reconstrução genômica

No teste de desempenho, a BBERT distinguiu DNA bacteriano de DNA não-bacteriano com cerca de 90% de precisão, superando outras ferramentas de aprendizado profundo avaliadas. Também identificou fragmentos contendo instruções para produzir proteínas com cerca de 88% de precisão e seus quadros de leitura corretos com cerca de 96% de precisão.