A foundation model enables prediction of natural product molecular properties, bioactivity, and structural similarity from biosynthetic gene cluster sequence
Dieses Paper stellt BGC-MLM vor, ein Foundation Model, das auf unbeschrifteten Biosynthese-Gencluster-Sequenzen vortrainiert wurde und die Vorhersage von Naturstoffeigenschaften, Bioaktivität sowie struktureller Ähnlichkeit signifikant verbessert, wodurch die Effizienz des Genome Mining für neuartige Naturstoffe gesteigert wird.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Schatzsucher, der nach seltenen, magischen Tränken sucht, die in einer riesigen Bibliothek alter Bücher versteckt sind. In der Welt der Wissenschaft sind diese „Tränke“ Naturstoffe (wie Medikamente oder Chemikalien), und die „Bücher“ sind Biosynthese-Gencluster (Gruppen von Anweisungen in der DNA, die Bakterien oder Pilzen sagen, wie sie diese Tränke bauen).
Das Problem ist, dass Wissenschaftler Millionen dieser „Anleitungsbücher“ gefunden haben, aber sie haben nur die Zeit und die Ressourcen, um eine winzige Handvoll davon zu öffnen und zu testen. Die meiste Bibliothek bleibt unberührt, und wir wissen nicht, welche Bücher die spannendsten Schätze enthalten.
Der alte Weg vs. der neue Weg
Früher versuchten Wissenschaftler, Computerprogramme (maschinelles Lernen) einzusetzen, um zu erraten, welche Art von Trank eine bestimmte Gruppe von Anweisungen herstellen würde. Diese Programme waren jedoch wie Schüler, die versuchen, eine Sprache zu lernen, indem sie nur wenige Seiten eines Wörterbuchs lesen. Da es nicht genügend „beschriftete“ Daten gab (Bücher, bei denen wir den Trank im Inneren bereits kennen), waren die Programme nicht besonders gut darin, zu raten.
Die „Foundation Model“-Lösung
Dieses Paper stellt ein neues Werkzeug namens BGC-MLM vor. Betrachten Sie dieses Werkzeug als einen superintelligenten Schüler, der einen cleveren Trick anwendet, um zu lernen:
- Das „Lückentext“-Training (Pretraining): Zuerst bekommt der Schüler Millionen von Anleitungsbüchern vorgelegt, bei denen jedoch einige der Wörter versteckt (maskiert) sind. Die Aufgabe des Schülers ist es, die fehlenden Wörter basierend auf dem Kontext des Satzes zu erraten. Selbst wenn der Schüler das endgültige Elixier für diese Bücher noch nicht kennt, lehrt dieser Prozess ihn die Grammatik und Struktur dessen, wie diese biologischen Anweisungen funktionieren. Er lernt die „Sprache“ der Chemie der Natur.
- Der spezialisierte Test (Fine-tuning): Sobald der Schüler die Sprache gemeistert hat, erhält er eine spezifische Aufgabe: „Schau dir dieses Anleitungsbuch an und sag mir, ob der Trank darin wahrscheinlich Bakterien töten wird, welche Form das Molekül hat oder welche chemischen Bestandteile es besitzt.“ Da der Schüler die Sprache bereits so gut versteht, kann er diese spezifischen Aufgaben selbst mit sehr wenigen Beispielen sehr schnell erlernen.
Was das Paper herausfand
Die Forscher haben dieses neue „Foundation Model“ gegen ältere Methoden getestet. Sie fanden heraus:
- Das Erlernen der Sprache hilft zuerst: Das Modell, das das „Lückentext“-Training durchgeführt hat, schnitt besser ab als Modelle, die versuchten, direkt ohne dieses Hintergrundwissen zu lernen.
- Es ist ein vielseitiges Werkzeug: BGC-MLM kann viele verschiedene Dinge über den potenziellen Trank vorhersagen, wie zum Beispiel seine Bioaktivität (was er biologisch bewirken könnte), seine Strukturklasse (zu welcher Familie er gehört) und sogar die Anzahl spezifischer chemischer Bestandteile (funktionelle Gruppen).
- Es hält mit anderen Schritt: Es schneidet genauso gut oder sogar besser ab als spezialisierte Werkzeuge, die nur für eine einzige spezifische Aufgabe entwickelt wurden.
Kurz gesagt präsentiert dieses Paper eine kluge, anpassungsfähige KI, die zuerst die „Sprache“ der natürlichen Anleitungshandbücher lernt, was es ihr ermöglicht, effizient vorherzusagen, welche verborgenen Anweisungen wahrscheinlich die interessantesten chemischen Schätze hervorbringen werden, wodurch die Suche nach neuen Medikamenten viel schneller und effizienter wird.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.