Un instrument AI curăță erorile ascunse din datele de genomică
O metodă foarte folosită în genomică produce artefacte care seamănă cu semnale biologice reale. Un instrument nou de machine learning le separă, ceea ce face concluziile din multe studii mai de încredere.
Multe descoperiri din biologie pornesc de la citirea corectă a datelor de genomică. Problema e că unele metode de laborator introduc erori sistematice care arată exact ca semnalele biologice adevărate. Cercetători de la University of Virginia School of Medicine au construit un instrument de machine learning care învață să le deosebească.
Instrumentul se numește PATTY, prescurtare de la Propensity Analyzer for Tn5 Transposase Yielded bias. A fost dezvoltat de o echipă condusă de Chongzhi Zang, împreună cu colaboratori de la University of Alabama at Birmingham și Shanghai Jiao Tong University, și e descris într-un articol publicat în 2026 în revista Nature Communications.
Cum funcționează
PATTY corectează o eroare din metoda CUT and Tag, folosită pentru a studia trăsături epigenomice, adică felul în care sunt controlate genele fără a schimba ADN-ul. Enzima Tn5 transposază, esențială în metodă, preferă în mod natural regiunile deschise și accesibile ale genomului. Asta creează artefacte care seamănă cu semnale biologice reale. Autorii compară situația cu a găsi un ac într-o claie de fân, unde instrumentul învață cum arată un ac adevărat față de fân și reduce artefactul, păstrând semnalul real.
Un avantaj practic este că funcționează atât pe date clasice, din populații mari de celule, cât și pe date rare, de la o singură celulă, unde semnalul e slab și zgomotul mare.
De ce contează pentru domeniu
Când echipa a analizat aproape 300 de seturi de date CUT and Tag deja publicate, a găsit probleme severe de acest tip răspândite în tot domeniul. Cu alte cuvinte, nu e o eroare de nișă, ci una care ar putea afecta multe concluzii deja trase.
PATTY este publicat și disponibil gratuit ca software open-source pe GitHub și Zenodo, deci alți cercetători îl pot folosi imediat. Articolul nu oferă o cifră unică pentru câtă acuratețe se câștigă, iar valoarea reală se va vedea pe măsură ce comunitatea îl testează pe propriile date.
Sursă: Phys.org