کنگره بین المللی زیست فناوری گیاهان دارویی و قارچ های کوهی

صفحه اصلی / پنجمین کنگره بین المللی و ششمین همایش ملی زیست فناوری گیاهان دارویی و قارچ های کوهی

AI-Powered Bioinformatics in Exploring Secondary Metabolite Key Genes

نویسندگان :

Hossein Hosseini-Monfared¹ Mohammad Reza Azimi² Farhad Aghajanloo³ Malek-Azhdar Afshari⁴ Hessam Agheli⁵

1- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان 2- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان 3- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان 4- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان 5- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان

کلمات کلیدی :

Secondary metabolites،Bioinformatics،Artificial Intelligence،Key Gene

چکیده :

Secondary metabolites are a principal source of pharmaceuticals, agrochemicals, and ecological signals. Recent advances in artificial intelligence (AI) and machine learning (ML), combined with the explosion of multi-omics datasets, are now fundamentally transforming how researchers identify key genes that drive secondary metabolite biosynthesis. This paper reviews leading computational strategies, ranging from profile-HMM and rule-based BGC detectors to modern deep learning, including protein language models, and multi-omics integrative ML, and synthesizes best practices for prioritizing candidate genes for experimental validation. We highlight representative tools (antiSMASH, DeepBGC/e-DeepBGC, multi-omics ML pipelines) and recent studies that illustrate improved sensitivity and deeper functional insight. Finally, we outline gaps (interpretability, cryptic clusters, cross-taxon generalization) and propose future directions, including Explainable AI (XAI), self-supervised pretraining, and stronger integration of metabolomics to close the genotype–chemotype gap.