第一个基于人工智能的古基因组定年方法被创造出来

一项新的研究发表在Cell报告方法概述了人工智能(AI)如何支持古代人类遗骸的DNA分析。

古代DNA揭示了人类的历史

的进步下一代测序(NGS)技术使科学家能够分析含有极少量DNA的样本。这些技术的应用古老的样品在那里，DNA显著退化，这有助于研究人员研究和了解人类进化的历史和我们的星球。

拼凑历史事件的一个关键方面是能够确定古代样本的年代。考古学中测定年代的传统“金标准”方法是放射性碳年代测定法。

放射性碳年代测定精度的问题——以及人工智能如何提供解决方案

虽然放射性碳测年法可以说是考古科学领域的“革命”，但它也不是没有缺陷，包括科学家们一直存在的准确性努力改进．“不可靠的日期是一个主要问题，导致模糊和矛盾的结果，”他说Eran Elhaik博士他是隆德大学分子细胞生物学副教授。

Elhaik是一个研究团队的成员，该团队利用现代人工智能技术开发了一种新的古代基因组数据测年方法。这种方法被称为时间种群结构(TPS)，是一个例子监督式机器学习(SML)技术。

“TPS理论的基本原理是，由于大多数人类变异都是在大陆种群中发生的，并且受到选择和遗传漂变等过程的影响，这些过程会随着时间的推移调节等位基因频率，因此存在一些标记，在不同时期表现出本质上不同的等位基因频率，与地理位置无关，可用于估计时间趋势。我们称这些标记为时间信息标记(TIMs)。写在出版物上概述他们的研究。

研究小组解释说，等位基因频率的变化——无论是通过遗传漂变还是自然选择——创造了“独特的等位基因组合”，这是个体生活的历史时期的特征。他们称这些频率组合为“时间分量”。

Elhaik及其同事说:“由于时间成分与时间有关，可以利用时间成分将基因组数据转换为时间，并仅从基因型数据预测样本的年龄。”TPS是在数千个古代和现代基因组的时间成分上进行训练的，并“学习”如何预测它们的年龄。

研究小组通过分析中硫时代晚期(约公元前10000 - 8000年)到今天的约5000具人类遗骸来测试他们的方法。与样本的已知日期相比，使用TPS获得的日期具有“较高的准确性”。

“我们发现，人们生活时期的信息被编码在遗传物质中。通过弄清楚如何解释它并及时定位它，我们在人工智能的帮助下成功地确定了它的日期，”Elhaik说。

研究人员强调，TPS不会根除放射性碳测年法的使用，而是可以作为分析的补充工具，特别是在围绕放射性碳测年预测存在模糊性的情况下。

“放射性碳测年法可能非常不稳定，而且会受到被测材料质量的影响。我们的方法是基于DNA，这使得它非常坚固。现在我们可以认真地开始追踪古人的起源，并绘制他们的迁徙路线，”Elhaik总结道。

这篇文章是重写的新闻稿由隆德大学发布。材料的长度和内容都经过了编辑。

参考:张国强，李国强，李国强，等。时间种群结构，一种过去10000年古欧亚基因组的遗传测年方法。单元格代表方法年代。2022;2(8)。doi:10.1016 / j.crmeth.2022.100270．