作者：Pesach Benson • 2026年11月2日

耶路撒冷，2026年11月2日（TPS-IL）——以色列研究人员开发出一种人工智能工具，即使细菌DNA来自现有基因数据库中缺失的微生物，该工具也能将其识别出来，这有望帮助科学家发现此前隐藏的微生物生命形式。

这项技术或可为研究土壤微生物开辟新途径，目前人们对其中许多微生物仍知之甚少。识别这些细菌有助于科学家更好地了解土壤健康、植物生长以及微生物在环境中发挥的作用。

该工具名为BBERT，它通过识别细菌DNA中的模式进行工作，而无需依赖与现有基因数据库的对比。它可以识别短至100个DNA构件的片段，包括传统方法通常无法分类的序列。

当科学家分析土壤DNA时，会获得数百万来自细菌、真菌、植物和其他生物的短片段。识别它们的来源可能十分困难，特别是当这些生物在基因参考数据库中缺失时。这些无法解释的遗传物质大部分被称为微生物“暗物质”。BBERT利用一种同样应用于语言技术的人工智能方法解决了这一挑战。它不学习句子中的模式，而是学习细菌DNA中的模式，使其无需在现有数据库中进行匹配即可识别未知序列。

BBERT由耶路撒冷希伯来大学、海法大学以及以色列农业部研究机构沃尔卡尼研究所（Volcani Institute）的研究人员共同开发。相关研究结果发表在经同行评审的《核酸研究》（Nucleic Acids Research）期刊上。

该研究由希伯来大学拉卡物理研究所（Racah Institute of Physics）的阿米尔·埃雷兹（Amir Erez）博士以及该校植物与环境科学系的奥姆里·M·芬克尔（Omri M. Finkel）博士牵头。

探索微生物暗物质

在测试中，BBERT区分细菌DNA与非细菌DNA的准确率约为90%，优于所评估的其他深度学习工具。它识别含有制造蛋白质指令的片段的准确率约为88%，确定这些指令应如何读取的准确率约为96%。

研究人员在1,969个公开可用的土壤DNA数据集上对该工具进行了测试。BBERT识别出了某款广泛使用的对比工具此前无法分类的大量片段。

这项分析还为微生物暗物质提供了新见解。未分类片段含有非细菌DNA的可能性高于研究人员能够解释的片段，这表明这些无法解释的物质来自多个来源，而不仅仅是未知的细菌。

BBERT还可以帮助科学家将较短的DNA片段组装成更长的序列，以重构细菌基因组——即细菌携带的完整遗传指令集。在模拟测试中，通过该工具过滤DNA将每个数据集的平均重构时间从约66小时减少至25小时。生成的序列所含错误和缺口更少，同时保留了无需过滤即可达到的约96%的基因覆盖率。

在涉及野生豆科植物根瘤（植物容纳细菌的结构）的测试中，也显示出了改善。BBERT将重构时间缩短了一半，将计算机内存峰值使用量从188吉字节减少至82吉字节，同时减少了几个重构基因组中的污染。

这项技术最终可能有利于农业和环境研究。科学家或可利用它来寻找有助于植物吸收养分、保护作物免受病害或耐受干旱的微生物。它还可以帮助研究人员研究土壤微生物群落如何应对污染和气候变化。这些应用将需要进一步的研究和测试。

该工具存在局限性。它可能会遗漏细菌片段，将其他遗传物质误认为细菌DNA，并难以区分细菌与另一大类微生物古菌。

BBERT可以在配备合适显卡的个人计算机上运行，这有望使较小的实验室更容易获得先进的DNA分析技术，并允许研究人员重新审视现有的环境DNA样本库，以获取早期方法无法识别的信息。