METRIN-KG: A knowledge graph integrating plant metabolites, traits, and biotic interactions

Die Studie stellt METRIN-KG vor, ein Wissensgraph, der pflanzliche Metaboliten, Merkmale und biotische Interaktionen integriert, um die effiziente Suche und Analyse von Biodiversitätsdaten für die Lebenswissenschaften zu ermöglichen.

Das Wesentliche

Stellen Sie sich vor, das Pflanzenreich ist eine riesige, chaotische Bibliothek. In dieser Bibliothek gibt es drei völlig getrennte Abteilungen, die niemand miteinander verbindet:

1. Die Chemie-Abteilung: Hier stehen Bücher über die winzigen Moleküle, die Pflanzen produzieren (ihre „Metaboliten"). Das sind die chemischen Waffen gegen Insekten oder die Lockstoffe für Bienen.
2. Die Bauplan-Abteilung: Hier liegen die Blaupausen für das Aussehen der Pflanzen: Wie hoch sind sie? Wie groß sind ihre Blätter? Wie viel Stickstoff speichern sie?
3. Die Beziehungs-Abteilung: Hier sind die Tagebücher über die Freundschaften und Feindschaften der Pflanzen: Wer wird von welchem Pilz befallen? Wer bestäubt wen? Wer frisst wen?

Das Problem bisher war: Wenn ein Forscher wissen wollte, wie die Chemie einer Pflanze ihr Aussehen und ihre Feinde beeinflusst, musste er in drei verschiedenen, unverbundenen Bibliotheken nachschauen. Die Daten waren wie Puzzleteile, die in verschiedenen Kisten lagen.

METRIN-KG: Der große Übersetzer und Verbindungsbrückenbauer

Die Autoren dieses Papers haben nun eine Lösung namens METRIN-KG entwickelt. Man kann sich das wie einen genialen Super-Übersetzer oder einen digitalen Vermittler vorstellen.

• Die Idee: Sie haben diese drei getrennten Abteilungen (Chemie, Bauplan, Beziehungen) in ein einziges, riesiges digitales Netzwerk verwandelt.
• Wie es funktioniert: Stellen Sie sich vor, jede Pflanze ist ein Knoten in einem riesigen Spinnennetz. METRIN-KG fädelt alle Informationen zusammen. Wenn Sie auf einen Knoten (eine Pflanze) klicken, sehen Sie sofort: „Ah, diese Pflanze hat große Blätter (Bauplan), produziert ein bestimmtes Gift (Chemie) und wird gerne von diesem speziellen Käfer gefressen (Beziehung)."
• Die Magie: Früher musste man raten, ob diese Dinge zusammenhängen. Jetzt zeigt das System die Verbindungen direkt an. Es nutzt eine „Wissensgraph"-Technologie, die wie ein riesiges, vernetztes Gehirn funktioniert, das alles miteinander verknüpft.

Warum ist das so wichtig? (Die Analogie des Detektivs)

Stellen Sie sich vor, Sie sind ein Detektiv, der ein Verbrechen aufklären will.

• Ohne METRIN-KG müssten Sie erst bei der Polizei (Datenbank A) nach dem Täter suchen, dann beim Chemielabor (Datenbank B) nach dem Gift und dann beim Nachbarn (Datenbank C) nach dem Motiv fragen. Das dauert ewig und die Informationen passen oft nicht zusammen.
• Mit METRIN-KG haben Sie einen einzigen Bildschirm, auf dem alle Beweise automatisch zusammenlaufen. Sie können sofort fragen: „Zeig mir alle Pflanzen, die hoch wachsen, ein bestimmtes Gift produzieren und von Insekten gefressen werden." Das System spuckt Ihnen die Antwort sofort aus.

Was bringt uns das in der echten Welt?

1. Für die Medizin: Vielleicht entdecken wir, dass eine bestimmte Pflanze, die in trockenen Gebieten wächst und große Blätter hat, ein neues Medikament gegen Krebs produziert. Das System hilft uns, diese „Nadel im Heuhaufen" schneller zu finden.
2. Für die Landwirtschaft: Landwirte könnten herausfinden, welche Pflanzen natürliche Insektenschutzmittel produzieren, um Schädlinge fernzuhalten, ohne Chemie zu sprühen (Push-Pull-Strategien).
3. Für den Naturschutz: Wenn eine Pflanzenart vom Aussterben bedroht ist, können wir sehen, welche Insekten oder Pilze von ihr abhängen. So wissen wir genau, was wir retten müssen, um das ganze Ökosystem zu schützen.

Zusammenfassung

METRIN-KG ist wie der Google-Suchmaschine für das Pflanzenleben, aber viel mächtiger. Statt nur nach einem Wort zu suchen, versteht es die Zusammenhänge zwischen dem Aussehen einer Pflanze, ihrer inneren Chemie und ihren Freunden und Feinden. Es verwandelt chaotische Datenberge in eine klare Landkarte, die Wissenschaftlern, Ärzten und Umweltschützern hilft, die Geheimnisse der Natur schneller zu entschlüsseln.

Technische Zusammenfassung

1. Problemstellung

Die Biodiversitätsforschung steht vor der Herausforderung, dass kritische Daten zu Pflanzen oft in isolierten, heterogenen Formaten vorliegen und nicht miteinander verknüpft sind. Drei zentrale Datenbereiche fehlen in ihrer Integration:

• Metabolome: Die immense Vielfalt an pflanzlichen Verbindungen (geschätzt 1,5 bis 25,7 Millionen), die oft nur in spezialisierten, nicht interoperablen Datenbanken gespeichert sind.
• Merkmale (Traits): Messbare physiologische Eigenschaften (z. B. Blattfläche, Wuchshöhe), die in großen Datenbanken wie TRY erfasst sind, aber oft lose von chemischen oder ökologischen Daten getrennt sind.
• Biotische Interaktionen: Beziehungen zwischen Pflanzen und anderen Organismen (z. B. Bestäuber, Schädlinge), die in Ressourcen wie GloBI dokumentiert sind, aber oft nur als einfache Paar-Interaktionen ohne Kontext zu den chemischen oder phänotypischen Eigenschaften der beteiligten Arten vorliegen.

Die aktuelle Forschung leidet unter dem Mangel an einer einheitlichen Wissensbasis, die diese drei Ebenen (Chemie, Phänotyp, Ökologie) semantisch verknüpft, um mechanistische Einblicke in Ökosystemfunktionen zu gewinnen.

2. Methodik

Die Autoren entwickelten METRIN-KG (MEtabolomes, TRaits, and INteractions-Knowledge Graph), eine Wissensgraph-Infrastruktur, die folgende Schritte umfasst:

• Datenintegration:
  • Metabolome: Nutzung der Daten aus dem Experimental Natural Products Knowledge Graph (ENPKG) (basierend auf 1.600 tropischen Pflanzenextrakten) und Anmerkungen aus LOTUS (via Wikidata).
  • Merkmale (Traits): Abruf von Daten aus der TRY-Datenbank für 41 funktionelle Merkmale (z. B. spezifische Blattfläche, Stickstoffgehalt).
  • Interaktionen: Integration von Paar-Interaktionsdaten aus Global Biotic Interactions (GloBI).
• Taxonomische und Metadaten-Mapping:
  • Wissenschaftliche Namen aus allen Quellen wurden auf Wikidata-Identifikatoren abgebildet, um eine konsistente Entitätsverknüpfung zu gewährleisten.
  • Ein kritischer Schritt war die Normalisierung von Metadaten (Lebensstadien, Körperteile, Geschlecht) aus GloBI. Da diese oft in freiem Text vorlagen, wurde ein semantischer Matching-Prozess entwickelt:
    • Nutzung von Sentence-BERT (all-MiniLM-L6-v2) zur Erzeugung von Vektor-Embeddings.
    • Berechnung der Kosinus-Ähnlichkeit zwischen Eingabebegriffen und Ontologie-Konzepten (z. B. UBERON, PATO, PO).
    • Manuelle Überprüfung von Treffern mit einer Ähnlichkeitsschwelle von ≥ 0,7.
• Ontologie-Design:
  • Entwicklung der EMI-Ontologie (Earth Metabolome Initiative Ontology), die bestehende Ontologien (SOSA, RO, QUDT, ENPKG) wiederverwendet und erweitert, um chemische Strukturen, Probenmetadaten und Interaktionen abzubilden.
• Wissensgraph-Konstruktion:
  • Subgraph ENPKG: Erstellung mittels Ontop, einem virtuellen Wissensgraph-System, das SQL-Abfragen in SPARQL übersetzt und RDF-Tripel aus relationalen Datenbanken materialisiert.
  • Subgraph TRY & GloBI: Erstellung mittels Python rdflib, wobei die Tabellendaten direkt in RDF umgewandelt und über Wikidata-IDs verknüpft wurden.
• Abfrage-Interface:
  • Der Graph wird mit Qlever indiziert und über einen SPARQL-Endpoint sowie eine angepasste Benutzeroberfläche (qlever-ui) zugänglich gemacht.
  • Zusätzlich wurde ExpasyGPT integriert, um Abfragen in natürlicher Sprache (LLM-gestützt) in SPARQL zu übersetzen, was die Zugänglichkeit für Nicht-Experten erhöht.

3. Schlüsselbeiträge

• Erster integrierter Wissensgraph: METRIN-KG ist die erste Ressource, die pflanzliche Metabolome, funktionelle Merkmale und biotische Interaktionen in einem einzigen, semantisch verknüpften Graphen vereint.
• Skalierbare Datenharmonisierung: Der entwickelte Workflow zur semantischen Normalisierung von Metadaten (insbesondere bei GloBI) mittels KI-gestützter Vektorähnlichkeit und manueller Kuratierung bietet ein Modell für die Integration unstrukturierter biologischer Daten.
• Benutzerfreundlicher Zugang: Durch die Kombination aus SPARQL-Editor, API und natürlichsprachlicher Abfrage (ExpasyGPT) wird die Barriere für die Nutzung komplexer biologischer Daten gesenkt.
• Offene Wissenschaft: Alle Daten, Code-Skripte, Ontologien und RDF-Dateien sind öffentlich über Zenodo und GitHub unter FAIR-Prinzipien verfügbar.

4. Ergebnisse

Die Autoren demonstrierten die Funktionalität des Systems durch fünf Fallstudien (Case Studies), die komplexe Forschungsfragen beantworten:

• Schutzbiologie (CS1): Identifikation von Merkmalen, Interaktionen und Metaboliten für Pflanzen mit dem IUCN-Status „near threatened". Ergebnis: Daten für 9.299 Arten, wobei nur 37 Arten Daten in allen drei Kategorien (Traits, Metabolite, Interaktionen) aufwiesen, was die Notwendigkeit weiterer Datenerhebung unterstreicht.
• Funktionale Ökologie (CS2): Analyse von Merkmalen bei Pflanzen, die Diterpenoide produzieren. Es wurden 2.131 Arten mit 98 Merkmalen analysiert.
• Humanmedizin & Landwirtschaft (CS3 & CS4):
  • Suche nach Produzenten von Onopordopicrin (antimikrobiell) und deren Interaktionen.
  • Analyse von Allelopathie-Interaktionen in der „Push-Pull"-Landwirtschaft, wobei Fehlklassifikationen (Pilze als Allelopathen) automatisch bereinigt wurden.
• Theoretische Ökologie (CS5): Verknüpfung von Daten des „Leaf Economic Spectrum" (LES) mit Metaboliten. Nur 49 von 1.058 Arten hatten vollständige Daten für beide Bereiche, was die Lücke in der aktuellen Datenverfügbarkeit aufzeigt.

Die Metriken zeigen, dass der Graph über 20 Millionen Datensätze integriert, aber die Überlappung (Jaccard-Index) zwischen den Datenquellen (Traits vs. Metabolite vs. Interaktionen) derzeit noch gering ist.

5. Bedeutung und Ausblick

METRIN-KG stellt einen Paradigmenwechsel dar, indem es die „Silos" der pflanzlichen Forschung (Chemie, Ökologie, Physiologie) durchbricht.

• Forschungsimpulse: Es ermöglicht die Formulierung neuer Hypothesen, z. B. wie spezifische chemische Verbindungen bestimmte ökologische Interaktionen oder Anpassungen an Umweltstress vermitteln.
• Anwendungsbereiche: Die Ressource ist relevant für die Entdeckung neuer Wirkstoffe (Drug Discovery), die Entwicklung nachhaltiger landwirtschaftlicher Praktiken (z. B. biologische Schädlingsbekämpfung) und den Schutz der Biodiversität.
• Zukunft: Die Autoren planen, den Graph um weitere Datenquellen (Umweltdaten, Bildmaterial, weitere Reiche als Plantae) zu erweitern und die semantische Tiefe durch Inferenz-Regeln zu erhöhen.

Zusammenfassend bietet METRIN-KG eine robuste, skalierbare Infrastruktur, um die Komplexität des pflanzlichen Lebens durch die Integration multipler Datenebenen besser zu verstehen und datengestützte Entscheidungen in Wissenschaft und Politik zu unterstützen.