Компанія Soilytix оприлюднила сімейство геномних AI-моделей LOAM, навчених на довгочитальному секвенуванні екологічних геномів, і preprint з оцінкою їхньої біологічної продуктивності. Моделі планують використовувати для пріоритизації генів і білків — потенційних кандидатів для тестування у напрямах захисту рослин.
Про це повідомляє сайт Аграрії разом з посиланням на Agropages.
Soilytix повідомила про реліз LOAM — сімейства геномних AI-моделей, навчених на довгочитальних (long-read) екологічних геномах, а також про публікацію препринта з оцінкою їхньої біологічної продуктивності. Компанія позиціонує підхід як інструмент для звуження пошуку біологічних кандидатів у великих масивах ґрунтової ДНК з подальшим відбором об’єктів для експериментального скринінгу.
«Мільярди років біологічних R&D відбувалися в ґрунті під нашими ногами. Виклик — знати, де шукати і що варто тестувати. Ми використовуємо польові дані, глибоке секвенування та моделі на кшталт LOAM, щоб звузити цей пошук», — сказав Тім Раджакумар, Chief Scientific Officer Soilytix.
На чому навчали LOAM і як перевіряли моделі
На відміну від багатьох геномних AI-моделей, які здебільшого навчають на референсних колекціях, LOAM тренували на даних екологічної метагеноміки, що дає доступ до ширшого мікробного різноманіття, значна частина якого описана недостатньо.
За даними Soilytix, LOAM навчали на 15 640 мікробних геномах, реконструйованих із довгочитального секвенування зразків ґрунту, донних відкладів і води. Загальний обсяг навчальних даних становив приблизно 67,5 млрд основ ДНК.
Оцінювання проводили за кількома напрямами: життєва необхідність генів (gene essentiality), функції ферментів (enzyme function) та ефекти генетичних варіантів (genetic variant effects). На бенчмарку з функцій ферментів, який включав експериментально анотовані гени у 128 функціональних класах, модель LOAM-624M посіла перше місце серед усіх оцінених моделей, зокрема й серед моделей приблизно у десять разів більших. У ширшій оцінці LOAM, за повідомленням компанії, демонструвала провідні результати серед моделей порівнянного розміру та залишалася конкурентною щодо суттєво більших моделей.
У Soilytix зазначають, що результати вказують на потенційну цінність довгочитальних екологічних геномів як навчальних даних для геномного AI, зокрема завдяки представленню біології, яка слабко відображена у традиційних референсних наборах.
Як це планують застосовувати для пошуку кандидатів у захисті рослин
Компанія описує підхід як поєднання польових спостережень, глибокого довгочитального секвенування та геномного AI для пріоритизації кандидатів у напрямах захисту рослин. Зокрема, у «супресивних до хвороб» ґрунтах патоген може бути присутнім, але хвороба стабільно не розвивається — це може свідчити, що мікробна спільнота містить корисні біологічні механізми.
Soilytix повідомляє, що сформувала permissioned-набір даних, який охоплює тисячі зразків з агрополів і пов’язує мікробні спільноти з наявністю патогенів та результатами щодо прояву хвороб. Лабораторія компанії може генерувати глибокі довгочитальні геномні дані з перспективних середовищ, а LOAM разом із усталеними біоінформатичними методами використовують для пріоритизації кандидатних генів і білків для подальшого тестування.
«Цінність для партнера із захисту рослин — не в доступі до ще однієї AI-моделі. Йдеться про можливість стартувати з визначеного патогена або продуктового завдання і рухатися до біологічних кандидатів, які реально можна тестувати», — сказав Бруно Штайнкраус, засновник і CEO Soilytix.
Що саме оприлюднили та які плани щодо пілотів
Soilytix повідомила, що всі чотири моделі LOAM доступні для дослідницького використання разом із рукописом (preprint) та технічними матеріалами. Також компанія оголосила про намір відкрити обмежену кількість discovery-пілотів із компаніями у сфері засобів захисту рослин і біологічних продуктів у 2027 році.
Для агробізнесу такі інструменти можуть бути корисними як елемент R&D-ланцюжка: від польових даних і мікробіому конкретних середовищ — до короткого списку генів/білків, які доцільно перевіряти експериментально. Водночас практична цінність залежатиме від того, як відібрані кандидати підтвердять активність у лабораторних і прикладних випробуваннях.