MAP: A Knowledge-driven Framework for Predicting Single-cell Responses for Unprofiled Drugs

Das Paper stellt MAP vor, ein wissensgestütztes Framework, das durch die Integration eines großen biologischen Wissensgraphen und kontrastives Lernen die Vorhersage von zellulären Reaktionen auf nicht charakterisierte Wirkstoffe ermöglicht und dabei die Generalisierungsfähigkeit bestehender Modelle signifikant verbessert.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein großer Koch in einer riesigen Küche. Ihr Ziel ist es, vorherzusagen, wie ein neuer, noch nie gekochter Kuchen schmecken wird, nur indem Sie sich die Zutatenliste (die chemische Struktur) ansehen, ohne ihn je wirklich gebacken zu haben.

Das ist genau das Problem, mit dem Wissenschaftler bei der Entwicklung neuer Medikamente kämpfen. Sie haben zwar riesige Datenbanken darüber, wie Zellen auf bekannte Medikamente reagieren, aber es gibt Millionen von möglichen neuen Wirkstoffen, für die noch niemand experimentelle Daten hat. Herkömmliche KI-Modelle sind wie Schüler, die nur auswendig gelernt haben: Wenn sie einen neuen Kuchen sehen, der nicht in ihrem Buch steht, raten sie einfach wild herum.

Die Forscher aus diesem Papier haben eine Lösung namens MAP entwickelt. Hier ist eine einfache Erklärung, wie das funktioniert:

1. Die große Bibliothek (MAP-KG)

Stellen Sie sich vor, MAP hat eine riesige, super-organisierte Bibliothek gebaut, die sie MAP-KG nennen.

• Was ist drin? Diese Bibliothek enthält nicht nur Rezepte (die chemischen Strukturen von Medikamenten), sondern auch die Biografie der Zutaten (Gene) und die Geschichten darüber, wie sie zusammenarbeiten (wie ein Medikament ein Gen blockiert oder aktiviert).
• Der Clou: Sie verbindet 187.000 Medikamente mit 23.000 Genen durch fast 700.000 Zusammenhänge. Es ist wie ein riesiges soziales Netzwerk für Zellen und Medikamente. Wenn ein neues Medikament in die Bibliothek kommt, sucht MAP sofort nach Freunden, die es schon kennt (ähnliche Strukturen oder Wirkmechanismen).

2. Der "Übersetzer" (Das Vor-Training)

Bevor MAP die eigentliche Aufgabe löst, lernt es die Sprache der Biologie.

• Das Problem: Ein Medikament wird oft als chemische Formel (SMILES) beschrieben, ein Gen als DNA-Sequenz und ihre Beziehung als Text. Das sind wie drei verschiedene Sprachen.
• Die Lösung: MAP benutzt einen cleveren "Übersetzer". Er nimmt die chemische Formel, die DNA-Sequenz und den Text und drückt sie alle in eine gemeinsame "Sprache" (eine Art mathematischer Raum).
• Die Analogie: Stellen Sie sich vor, Sie haben ein Bild von einem Apfel, das Wort "Apfel" und die Beschreibung "rotes, essbares Obst". MAP lernt, dass diese drei Dinge im gleichen Bereich liegen. Wenn Sie ihm dann ein Bild von einem neuen, unbekannten Obst zeigen, das wie ein Apfel aussieht, weiß MAP sofort: "Aha, das wird sich wahrscheinlich auch wie ein Apfel verhalten!"

3. Die Vorhersage (Der "Koch")

Jetzt kommt der eigentliche Trick. MAP nutzt ein bereits trainiertes "Super-Gehirn" (ein sogenanntes Fundament-Modell für einzelne Zellen), das weiß, wie Zellen im Allgemeinen funktionieren.

• Wenn ein neues, nie getestetes Medikament kommt, gibt MAP diesem Super-Gehirn nicht nur die rohe Zelle, sondern auch die "Übersetzung" aus der Bibliothek: "Dieses Medikament ist ein Inhibitor für Protein X, ähnlich wie Medikament Y."
• Das Super-Gehirn kombiniert dieses Wissen mit dem Zustand der Zelle und sagt vorher: "Wenn wir dieses neue Medikament hinzufügen, werden diese Gene hochfahren und jene herunterfahren."

Warum ist das so wichtig? (Die Ergebnisse)

Die Forscher haben MAP getestet, indem sie ihm Medikamente gaben, die es in den Trainingsdaten noch nie gesehen hatte (sogar Medikamente, für die es überhaupt keine Laborergebnisse gab).

• Besser als die Konkurrenz: Herkömmliche Modelle haben bei diesen unbekannten Medikamenten oft versagt. MAP hingegen hat die Reaktionen der Zellen sehr genau vorhergesagt.
• Der "Rettungsring": In einem Test mit Lungenkrebszellen (A-549) hat MAP erfolgreich 4 von 5 bereits zugelassenen Krebsmedikamenten als die besten Kandidaten identifiziert – obwohl diese Medikamente im Training gar nicht als "bekannt" markiert waren. Es hat also quasi "herausgefunden", welche neuen Kandidaten wie die alten, bewährten Heilmittel wirken.

Zusammenfassung in einem Satz

MAP ist wie ein genialer Detektiv, der nicht nur auf Beweise (Daten) wartet, sondern sein riesiges Wissen über die Biologie nutzt, um zu erraten, wie ein völlig neuer Täter (Medikament) sich verhalten wird, noch bevor er je am Tatort (im Labor) gesehen wurde.

Dieser Ansatz könnte die Medikamentenentwicklung massiv beschleunigen, da er teure und langwierige Laborexperimente für viele Kandidaten überflüssig macht oder zumindest priorisiert, welche zuerst getestet werden sollten.

Technische Zusammenfassung

Titel

MAP: Ein wissensgestütztes Framework zur Vorhersage von Einzelzell-Antworten auf nicht profilierte Wirkstoffe

1. Problemstellung

Die Vorhersage, wie Zellen auf chemische Eingriffe (Perturbationen) reagieren, ist ein zentrales Ziel bei der Entwicklung virtueller Zellen. Bisherige Modelle stoßen jedoch an ihre Grenzen, wenn es darum geht, auf nicht profilierte Wirkstoffe (unprofiled drugs) zu generalisieren.

• Herausforderung: Experimentell erfasste Verbindungen decken nur einen winzigen Teil des chemischen Raums ab.
• Limitierung bestehender Modelle: Herkömmliche Ansätze behandeln Wirkstoffe oft als isolierte kategoriale Identifikatoren. Sie lernen Ähnlichkeiten nur aus dem gemeinsamen Auftreten in Trainingsdaten (Koinzidenz), nicht jedoch aus gemeinsamen biologischen Mechanismen (z. B. gemeinsame Bindungsmodi oder Signalwege).
• Folge: Mechanistisch verwandte Verbindungen werden als unähnlich kodiert, was die Extrapolation auf neue Wirkstoffe ohne Transkriptom-Daten unmöglich oder stark fehlerbehaftet macht.

2. Methodik: Das MAP-Framework

MAP (Mechanism-Aware Perturbation response predictor) ist ein Framework, das strukturiertes pharmakologisches Wissen in die Modellierung zellulärer Antworten integriert. Es besteht aus drei Hauptkomponenten:

A. Konstruktion von MAP-KG (Wissensgraph)

Die Autoren haben einen groß angelegten biomedizinischen Wissensgraphen namens MAP-KG erstellt, der 14 öffentliche Ressourcen vereint.

• Umfang: 187.089 Wirkstoffe, 22.924 Gene und 694.246 mechanistische Beziehungen.
• Struktur: Der Graph verbindet Wirkstoff- und Genknoten durch gerichtete Kanten (z. B. „hemmt", „aktiviert").
• Multimodalität: Jeder Knoten ist mit heterogenen Attributen angereichert:
  • Wirkstoffe: SMILES-Strings (Struktur), Text (Wirkmechanismus/MOA, therapeutische Funktion).
  • Gene: Aminosäuresequenzen, Text (funktionelle Annotationen, Pathway-Zugehörigkeit).
• Ziel: Textuelle Beschreibungen dienen als semantische Brücke, um verschiedene Modalitäten (Struktur, Sequenz, Text) zu vereinen.

B. Wissensgestütztes multimodales Pre-Training

Um mechanismusbewusste Repräsentationen zu lernen, wird ein kontrastives Pre-Training auf MAP-KG durchgeführt:

• Encoder: Es werden modality-spezifische Encoder verwendet:
  • Text: BioBERT für biologische Beschreibungen.
  • Moleküle: MoleculeSTM für SMILES-Strings.
  • Proteine: ESM-2 für Aminosäuresequenzen.
• Alignment: Durch kontrastives Lernen (InfoNCE-Loss) werden die Embeddings verschiedener Modalitäten (z. B. SMILES und Text-MOA eines Wirkstoffs) sowie die Beziehung zwischen Wirkstoff und Zielgen in einen gemeinsamen Einbettungsraum gepresst.
• Relation-Conditioned Embeddings: Die Modellierung berücksichtigt die Richtung der Interaktion (z. B. wirkt Wirkstoff A auf Gen B), indem eine Zusammensetzungsfunktion (MLP) die Relationstexte in die Knoten-Embeddings integriert.

C. Vorhersage der Perturbationsantwort

Das Framework kombiniert die gelernten Wissens-Embeddings mit einem vortrainierten Single-Cell Foundation Model (STATE SE-600M):

1. Input: Unperturbierter Zellzustand (aus dem Foundation Model) + Wissens-Embedding des Wirkstoffs (basierend auf SMILES) + Wissens-Embeddings der Gene.
2. Fusion: Ein Transformer-Encoder verarbeitet diese Informationen, um den perturbierten Zell-Embedding zu berechnen.
3. Output: Vorhersage des transkriptionellen Profils (Genexpression) unter der neuen Perturbation.
4. Training: Dual-Space-Supervision (Abgleich im Datenraum der Genexpression und im latenten Raum des Foundation Models), um Rauschen zu reduzieren.

3. Schlüsselergebnisse

MAP wurde in zwei strengen Zero-Shot-Szenarien evaluiert: (i) Unsichtbare Zelltyp-Wirkstoff-Kombinationen und (ii) vollständig nicht profilierte Wirkstoffe.

• Leistung auf Tahoe-100M (Cancer-Atlas):
  • Bei nicht profilierten Wirkstoffen (Zero-Shot) verbesserte MAP die Pearson-Korrelation der Differenzial-Genexpression (Top-50 DEG) um +12,2 % gegenüber dem besten Baseline-Modell (CRISP).
  • Die Richtungsgenauigkeit (Direction Accuracy) stieg um +21,0 %.
  • MAP übertraf auch Modelle, die nur auf Molekülstrukturen basieren (z. B. PRnet, chemCPA), deutlich.
• Generalisierung auf andere Datensätze:
  • Konsistente Verbesserungen wurden auf den Datensätzen SciPlex3 und OP3 (Immunzellen) beobachtet, was die Robustheit über verschiedene Zellkontexte hinweg belegt.
• Funktionale Interpretierbarkeit (GSEA):
  • In einer in-silico-Screening-Studie an A-549-Lungenkrebszellen priorisierte MAP 4 von 5 klinisch zugelassenen Anti-Krebs-Wirkstoffen (z. B. Adagrasib, Afatinib) unter den Top-15 Kandidaten, obwohl diese während des Trainings keine Perturbationsprofile hatten.
  • Die vorhergesagten Pathway-Aktivitäten (z. B. NF-κB, KRAS-Signalwege) stimmten stark mit den experimentellen Ground-Truth-Daten überein.
• Ablationsstudien:
  • Die Leistung skalierte monoton mit der Menge des injizierten Wissens (von keinem Wissen über PrimeKG bis hin zu MAP-KG).
  • Das Entfernen von Wirkstoff-Gen-Kanten führte zu den größten Leistungseinbußen, was die zentrale Rolle mechanistischer Interaktionen unterstreicht.

4. Hauptbeiträge

1. MAP-KG: Erstellung eines der größten und umfassendsten biomedizinischen Wissensgraphen, der speziell für die Modellierung zellulärer Perturbationen optimiert ist und multimodale Daten (Struktur, Sequenz, Text) integriert.
2. Wissensgetriebenes Pre-Training: Entwicklung einer Strategie, die heterogene biologische Evidenz in einen einheitlichen Embedding-Raum überführt, um transferierbare, mechanismusbewusste Repräsentationen für Wirkstoffe und Gene zu erzeugen.
3. Zero-Shot-Generalisierung: Demonstration, dass die Einbettung von biologischem Vorwissen es ermöglicht, Perturbationsantworten für Wirkstoffe vorherzusagen, für die keinerlei experimentelle Transkriptom-Daten vorliegen.
4. Praktische Relevanz: Validierung des Ansatzes für das virtuelle Screening und die Wirkstoffwiederverwendung (Drug Repurposing) mit hoher funktioneller Konsistenz.

5. Bedeutung und Ausblick

Die Arbeit etabliert ein neues Paradigma für virtuelle Zellen (Artificial Intelligence Virtual Cells, AIVC).

• Überwindung von Datenknappheit: MAP zeigt, dass biologisches Vorwissen als starker, kosteneffizienter Prior dient, um die Lücke zwischen der enormen chemischen Vielfalt und den begrenzten experimentellen Daten zu schließen.
• Orthogonalität: Der Ansatz ist orthogonal zu reinen Skalierungsansätzen (mehr Daten, größere Modelle) und kann mit bestehenden Single-Cell-Foundation-Modellen kombiniert werden, um systematische Verbesserungen zu erzielen.
• Zukunft: Das Framework ist erweiterbar auf genetische Interventionen (z. B. CRISPR) und kombinatorische Behandlungen, sobald entsprechende Daten verfügbar sind.

Zusammenfassend bietet MAP einen mechanistisch fundierten Weg zur in-silico-Screening von Wirkstoffen, der die Kosten und die Latenzzeit der frühen Wirkstoffentwicklung signifikant senken könnte.