Models trained with noisy genomes extend bacterial phenotype prediction into deep time
通过在具有噪声增强的细菌基因组内容上训练机器学习模型以提高跨进化距离的泛化能力，研究人员成功预测了祖先表型，并得出结论认为最后的细菌共同祖先很可能是一种厌氧、具有双层膜且为中温嗜热性的生物。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你拥有一个巨大的指令手册库（基因组），包含了现今你能找到的所有细菌。科学家们已经掌握了如何利用这些现代手册来预测细菌的外观和行为（表型），这就像仅仅通过阅读发动机手册就能猜出汽车的速度一样。
这篇论文讲述了如何将这个想法的时间轴向后拨动数十亿年，去推测最初的细菌是什么样子的。
以下是他们是如何做的以及他们的发现的简单拆解：
“嘈杂”的时间机器
研究人员构建了一个计算机模型（机器学习算法），用以学习细菌的基因与其特征之间的联系。然而，这里有一个问题：时间回溯得越久，那些“指令手册”的变化和混乱程度就越高。这就像是在阅读一份一千年前的食谱，其中一些词语缺失了，另一些词语也拼错了。
为了解决这个问题，科学家们做了一件聪明的事：在训练他们的计算机时，他们特意在现代基因数据中加入了“噪声”（随机误差或缺失的部分）。这就像是为了应对考试而通过一本模糊且略有破损的教科书来进行复习。通过学习如何在数据混乱的情况下做出准确的推测，计算机变得能够更好地处理古代祖先那些“模糊”的基因数据。
结果：他们能看得多远？
该模型的表现因特征的不同而有所差异：
- 宏观特征： 对于依赖许多不同基因协同工作的复杂特征——例如细菌是否需要氧气、其外壳看起来如何，或者它喜欢的温度——这种“噪声”训练让模型能够清晰地观察到整个细菌家族树的最开端。
- 具体特征： 对于更简单或更具体的特征，比如它们 DNA 的化学组成，或者它们是否能形成孢子，模型的视觉在更早的时间点就会变得模糊。它无法可靠地预测这些特征在那么久以前的情况。
最初细菌的画像
由于模型能够如此清晰地观察“宏观”特征，科学家们得以描绘出最后细菌共同祖先（LBCA）——即所有现存细菌的曾曾曾祖先——的画像。
根据他们的发现，这位古老的祖先很可能具有以下特征：
- 厌氧性： 它不需要氧气即可生存（它生活在一个没有氧气的世界里）。
- 双层膜结构： 它拥有双层结构的外部皮肤。
- 嗜热性： 它热爱热量，能在 46°C 到 75°C（约 115°F 到 167°F）之间茁壮成长。
核心启示
简而言之，通过教计算机如何处理“混乱”的数据，研究人员创造了一种审视深邃过去的新方法。他们成功地利用这种方法推断出了最初的细菌是什么样的，证明了我们可以通过研究留下的基因组线索来了解早期生命的进化。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。