Contexto da pesquisa
Ottawa — InkDesign News — Pesquisadores das universidades de Ottawa, Dalhousie, e do Centro Interdisciplinar para Pesquisa Marinha e Ambiental (CIIMAR), desenvolveram uma nova ferramenta de machine learning que identifica microrganismos raros na Terra. A aplicação de AI neste estudo busca resolver desafios em ecologia microbiana, encontrando essas espécies microscópicas que desempenham papel vital nos ecossistemas.
Método proposto
A técnica, chamada ulrb, utiliza aprendizado de máquina não supervisionado para definir e detectar o que é considerado raro no universo microbiano. O modelo baseia-se em algoritmos como k-medoids para agrupamento e análise dos dados. A metodologia é apresentada na forma de um pacote R open-source, com robustez estatística comprovada por testes em diferentes datasets, incluindo microbiomas de corais e dados censitários arbóreos, mostrando versatilidade para além do campo microbiológico.
“Esta ferramenta resolve um grande problema na ecologia microbiana: como definimos microrganismos raros?”
(“This tool solves a major issue in microbial ecology: how do we define rare microorganisms?”)— Paula Branco, Professora Associada, Universidade de Ottawa
Resultados e impacto
O ulrb apresentou alta precisão na avaliação da biodiversidade, superando abordagens anteriores baseadas em suposições. Os resultados indicam possibilidade de avaliações mais precisas dos efeitos das mudanças climáticas nas comunidades microbianas, auxiliando pesquisas ambientais e conservação. A ferramenta mostra-se adaptável a diferentes tipos de dados ecológicos, ampliando seu potencial de aplicação.
“Nossos achados mostram que o ulrb não apenas identifica microrganismos raros, mas também funciona com dados não microbianos, como censos de árvores.”
(“Our findings show that ulrb not only identifies rare microorganisms but also works with non-microbial data, such as tree census datasets.”)— Francisco Pascoal, Doutorando, CIIMAR
Este avanço em AI para microbiologia reforça o papel da machine learning na análise ecológica e abre portas para investigações aprofundadas da diversidade biológica de forma precisa e automatizada.
Mais informações e o software estão disponíveis em plataformas open-source como CRAN e GitHub, com tutoriais para facilitar o uso global.
Saiba mais sobre inteligência artificial aplicada à biologia em machine learning e deep learning.
Fonte: (TechXplore – Machine Learning & AI)
