DNA搜索引擎MetaGraph研发成功

瑞士苏黎世联邦理工学院科学家在最新一期《自然》杂志上发表论文称，他们开发出一款名为MetaGraph的DNA搜索引擎，能快速、高效地检索公共生物学数据库中的海量信息，为研究生命科学提供了强大的专业工具。

MetaGraph索引及大量DNA、RNA和蛋白质序列档案。图片来源：《自然》网站

MetaGraph的研发，源于科学界对日益庞大的基因测序数据“用不好、找不着”的现实困境。过去几十年来，各类生物学数据库规模呈爆炸式增长，然而原始测序数据往往碎片化、噪声多、体量庞大，科学家难以直接从中高效提取有用信息。

MetaGraph的核心突破在于采用数学中的“图结构”，将相互重叠的DNA片段智能联结。其原理类似于图书索引中将含有相同关键词的句子关联起来，形成知识网络。研究团队整合了7个公共资助数据库，构建出一个跨越病毒、细菌、真菌、植物、动物乃至人类的生命全谱系索引。该索引共涵盖1880万个独特的DNA与RNA序列集，以及2100亿个氨基酸序列集。

基于这一庞大索引，团队开发出了可直接通过文本提示检索原始数据档案的搜索引擎。团队表示，这是一种与生物学数据交互的全新方式——数据被高度压缩，却可随时调取。MetaGraph使研究人员能直接对“序列读取档案”（SRA）等存储库提出生物学问题，该数据库本身包含超过1亿个DNA字母。

为验证其实用性，团队利用MetaGraph扫描了24万多个人类肠道微生物组样本，搜寻抗生素耐药性的遗传标记。仅用一台高性能计算机，约一小时便得出结果，展现出强大的分析效率。

法国巴斯德研究所生物计算专家拉扬·希基评价称，这是一项“重大突破”，为分析DNA、RNA及蛋白质序列等原始生物学数据设立了新标准。这些数据库规模惊人，可达“拍字节”（PB）级别，其条目数量甚至超过谷歌索引中的所有网页。