互联网有谷歌，如今生物学领域有了MetaGraph。这款搜索引擎能快速筛选存储于公共数据库的海量生物数据。相关研究成果10月8日发表于《自然》。
MetaGraph会为海量DNA、RNA和蛋白质序列档案建立索引。图片来源：Andrew Brookes/Connect Images/Science Photo Library
“这是一项了不起的成就。”法国巴斯德研究所的Rayan Chikhi表示，“他们为分析原始生物数据设定了新标准。”
这些数据包括DNA、RNA和蛋白质序列，其来源数据库可包含万亿级的DNA碱基，数据量以拍字节计（1拍字节=1000万亿字节），条目数量甚至超过谷歌庞大索引中的所有网页。
尽管MetaGraph被贴上“DNA领域的谷歌”标签，但Chikhi更倾向于将其比作“YouTube专用搜索引擎”，因为它背后的计算任务难度更高。
就像在YouTube上搜索时，能够检索到所有以“红色气球”为特征的视频，即便标题、标签或描述中未出现这一关键词。MetaGraph同样无需提前对基因模式进行明确标注，就能找到隐藏在庞大测序数据集深处的基因模式。Chikhi说：“它实现了其他任何方法都无法完成的事情。”
开发MetaGraph的初衷是为了解决测序数据集的可及性问题。过去几十年间，生物数据库的规模呈爆炸式增长，但这种增长也给使用这些数据的科学家带来了挑战——原始测序读数呈现碎片化、噪声多的特点，且数量庞大，无法直接进行检索。
加拿大多伦多大学的Artem Babaian指出：“矛盾的是，数据量反而成了我们实际使用这些数据的最大障碍。”
论文共同通讯作者、瑞士苏黎世联邦理工学院的André Kahles表示，MetaGraph能够帮助研究人员对序列读取档案库（SRA）这类数据库展开生物学相关问题的探索。SRA作为公共数据库，包含的DNA碱基已超过1亿亿个。
研究团队借助数学“图谱”解决了数据检索难题。这种图谱能将重叠的DNA片段连接起来，就像图书索引里那些包含相同词汇的句子会被归在一起一样。
研究人员整合了7个公共资助数据库的数据，构建出涵盖病毒、细菌、真菌、植物、动物，也包括人类的所有生物类群的序列集，其中包含1880万个独特的DNA和RNA序列集，以及2100亿个氨基酸序列集。同时，他们还为这些序列开发了一款搜索引擎，用户只需通过文本提示，就能检索这些整合后的原始数据档案。
“这是一种与这类数据交互的全新方式。”Kahles说，“数据虽然经过压缩处理，但可实现即时访问。”
为证明MetaGraph的实用价值，研究团队利用该工具，对全球241384个人类肠道微生物组样本进行了检索，旨在寻找抗生素耐药性的基因标志物。这项研究是在前期工作基础上开展的。此前研究人员曾利用旧版MetaGraph，追踪过全球主要城市地铁系统中细菌菌株的耐药基因。据团队介绍，在高性能计算机上完成这项分析仅需约1小时。
MetaGraph并非目前唯一一款大规模序列检索工具。例如，Chikhi和Babaian共同开发了一个名为Logan的平台，该平台能将数十亿条短测序读数拼接成更长、更规整的DNA片段。这种设计架构使其能在比MetaGraph更大规模的测序读数集合中，识别出完整基因及其变异类型。不过这一优势也伴随着一定的取舍。Chikhi表示：“我们的工具功能较少，但性能更强。”
凭借更广的检索范围，Logan帮助研究人员发现了超2亿个天然存在的“噬塑酶”变体，这些变体来源于多种细菌、真菌和昆虫，其中部分变体的活性甚至优于实验室设计的酶。9月，Chikhi和Babaian将这一发现公布于预印本bioRxiv。
此外，研究人员还曾利用一款更早、功能更专一的病毒DNA数据库检索工具，发现了大量此前未被记录的病毒，以及用于治疗癌症的工程化T细胞疗法中的病毒污染物。
Babaian认为，这类发现的实现离不开开源检索工具及其依托的公共测序数据库。目前，一些生物数据库正面临资金削减的威胁，他强调，这些检索技术的创新恰恰凸显了“开放数据共享至关重要”。
“这些资源正推动全球科学进步。”Babaian说，“它们正在开启一个全新的‘拍字节级基因组学’领域，而其中最具影响力的应用尚未出现。”
相关论文信息：https://doi.org/10.1038/s41586-025-09603-w
https://doi.org/10.1101/2024.07.30.605881
近日，全国教育信创与密码行业产教融合共同体成立大会及新疆职业院校产教融合人才培养论坛于在乌鲁木齐举办。 航天 日前，高等教育数字化与课程思政建设研讨会暨中国高校财经慕课联盟首届“同课异构”教学竞赛颁奖典礼在对外经济贸易大学 69.3%的实验室获得性感染由程序性错误引起。大多数是操作失误或针头伤害。许多实验室失误归根到底是人为错误，这可能 中新网北京12月19日电 (记者 孙自法)施普林格·自然旗下专业学术期刊《自然-医学》最新发表一篇论文称，研究人 ■本报记者 冯丽妃 日本当地时间1月1日16时10分，日本西海岸石川县能登半岛发生7.6级地震，震源深度30公里。 截至 科技日报北京12月29日电 （记者张佳欣）向人体运送药物的主要挑战是能不断将药物准确送达病灶位置，同时确保它们留在病灶 。本文链接：“DNA领域的谷歌”来了http://www.sushuapos.com/show-11-26777-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
下一篇： 今年8月赴美国际学生数量同比下降19%