PathwaySeeker: Evidence-Grounded AI Reasoning over Organism-Specific Metabolic Networks

Das Paper stellt PathwaySeeker vor, ein evidenzbasiertes KI-System, das durch die Integration von Proteomik- und Metabolomikdaten organismenspezifische Stoffwechselnetzwerke rekonstruiert und mittels eines „Oracle-in-the-Loop"-Verfahrens logische Schlussfolgerungen direkt mit experimentellen Belegen verknüpft, um zwischen gesichertem Wissen und überprüfbaren Hypothesen zu unterscheiden.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, das Geheimnis eines sehr komplexen, lebenden Organismus zu lüften – sagen wir, eines Pilzes namens Trametes versicolor, der Holz abbaut. Die Wissenschaft hat zwei Hauptwerkzeuge, um diesen Fall zu lösen, aber beide haben große Schwächen:

1. Der alte Nachschlagewerk (Datenbanken): Das ist wie ein riesiges, veraltetes Kochbuch. Es enthält Rezepte für tausende von Gerichten (Stoffwechselwegen), die für alle möglichen Köche (Organismen) geschrieben wurden. Aber es sagt Ihnen nicht, was dieser spezielle Pilz heute Abend wirklich kocht, weil er vielleicht nur die Zutaten hat, die im Buch stehen, oder weil er neue, verrückte Kombinationen erfindet, die noch nie jemand aufgeschrieben hat.
2. Die neuen Super-Intelligenzen (Künstliche Intelligenz / LLMs): Das sind wie brillante, aber etwas verwirrte Genies. Sie haben die ganze Welt des Kochens in ihrem Kopf gespeichert und können fantastische neue Rezepte erfinden. Das Problem? Sie wissen oft nicht, ob diese Rezepte in der echten Küche dieses Pilzes überhaupt machbar sind. Sie halluzinieren manchmal Zutaten, die gar nicht da sind, oder übersehen, dass bestimmte Zutaten gerade fehlen.

PathwaySeeker ist der neue, geniale Assistent, der diese beiden Welten vereint. Hier ist, wie er funktioniert, einfach erklärt:

1. Die „Fotografie" der aktuellen Situation (Der Beweis-Graph)

Statt sich auf das alte Kochbuch zu verlassen, macht PathwaySeeker zuerst eine hochauflösende „Fotografie" von dem, was im Pilz gerade wirklich passiert.

• Er schaut sich an, welche Werkzeuge (Enzyme/Proteine) im Pilz vorhanden sind.
• Er schaut sich an, welche Zutaten (Metaboliten) gerade herumliegen.
• Daraus baut er eine Landkarte, die genau zeigt: „Hier ist ein Werkzeug, hier ist eine Zutat, und sie können miteinander verbunden werden."

Das ist wie ein Bauplan, der nur die Steine zeigt, die wirklich auf der Baustelle liegen. Wenn ein Stein fehlt, ist er auf dem Plan auch nicht.

2. Der „Orakel im Kreis" (Oracle-in-the-Loop)

Jetzt kommt der Clou. Normalerweise würde die KI einfach raten, wie die Zutaten zu einem Gericht werden. PathwaySeeker macht es anders. Er nutzt eine Methode, die wir „Orakel im Kreis" nennen.

Stellen Sie sich vor, die KI ist ein Architekt, der einen neuen Flur entwirft. Aber bevor er den Plan fertigstellt, ruft er bei einem Orakel (dem Beweis-Graphen) an und fragt: „Hey, gibt es hier wirklich eine Wand? Oder ist das nur eine Idee?"

• Wenn das Orakel sagt: „Ja, die Wand ist da!" -> Die KI schreibt: „Beweis: Die Wand existiert." (Das ist ein gesicherter Fakt).
• Wenn das Orakel sagt: „Ich sehe keine Wand, aber es wäre chemisch möglich, eine zu bauen." -> Die KI schreibt: „Hypothese: Wir könnten hier eine Wand bauen, aber wir müssen es erst testen."

Die KI wird also nicht einfach zuhause sitzen und raten. Sie muss jeden einzelnen Schritt ihres Gedankengangs mit dem echten Beweis-Graphen abgleichen. Wenn sie etwas erfindet, markiert sie es sofort als „noch nicht bestätigt".

3. Das Ergebnis: Klarheit statt Verwirrung

Am Ende liefert PathwaySeeker dem Wissenschaftler eine Antwort, die wie ein farbiges Kochbuch aussieht:

• Grüne Linien: „Wir haben gesehen, dass dieser Schritt passiert." (Beweis vorhanden).
• Gelbe Linien: „Das könnte passieren, es sieht chemisch logisch aus, aber wir haben es noch nicht gesehen." (Hypothese).
• Rote Linien: „Das ist unmöglich, weil uns die Zutaten fehlen."

Warum ist das so wichtig?

Früher mussten Wissenschaftler raten, ob ein Pilz einen bestimmten Stoffweg nutzt, indem sie einfach annahmen: „Nun, Menschen machen das so, also macht der Pilz es wahrscheinlich auch." Das führt zu Fehlern.

PathwaySeeker sagt stattdessen: „Wir wissen genau, was wir gesehen haben. Alles andere ist eine fundierte Vermutung, die wir gezielt testen können."

Zusammenfassend:
PathwaySeeker ist wie ein Wahrheits-Filter für KI. Er nimmt die kreative Kraft einer Super-KI und zwingt sie, sich an die harte Realität der Labor-Daten zu halten. Er unterscheidet klar zwischen „Wir haben es gesehen" und „Wir denken, es könnte stimmen". So helfen Wissenschaftler nicht nur, die Biologie von Pilzen besser zu verstehen, sondern sparen auch Zeit und Geld, indem sie nur die vielversprechendsten Hypothesen im Labor tatsächlich überprüfen.

Technische Zusammenfassung

1. Problemstellung

Metabolische Aktivität ist kein intrinsischer, statischer Zustand eines Organismus, sondern ein emergentes Phänomen, das stark vom experimentellen und umweltbedingten Kontext abhängt. Bestehende computergestützte Ansätze leiden unter drei wesentlichen Einschränkungen:

• Statische Datenbanken: Kuratierte Stoffwechsel-Datenbanken (z. B. KEGG) bieten organismenübergreifende, statische Karten, die oft nicht den spezifischen experimentellen Bedingungen entsprechen.
• Fehlender Mechanismus in Omics-Daten: Multi-Omics-Datensätze (Proteomik, Metabolomik) erfassen zwar dynamische Messwerte, bieten aber keinen strukturierten Rahmen für die mechanistische Interpretation dieser Daten in Stoffwechselwege.
• Mangelnde Provenienz bei KI-Modellen: Große Sprachmodelle (LLMs) verfügen über fortgeschrittene biochemische Reasoning-Fähigkeiten, können jedoch nicht zwischen experimentell bestätigten Beziehungen und reinen, auf Trainingsdaten basierenden Hypothesen unterscheiden. Sie fehlt die Fähigkeit, die Herkunft (Provenienz) von Wissen nachzuweisen.

Das Ergebnis ist eine Kluft zwischen experimentellen Zuständen und der Analyse von Stoffwechselnetzwerken, insbesondere bei Nicht-Modell-Organismen, für die keine vollständigen genomischen Modelle existieren.

2. Methodik: PathwaySeeker

PathwaySeeker ist ein KI-System, das LLM-basiertes Reasoning mit expliziter Verifizierung gegen experimentelle Evidenz koppelt. Der Ansatz besteht aus drei Hauptphasen:

A. Konstruktion kontextspezifischer Wissensgraphen

Anstatt auf vordefinierte Modelle zu setzen, baut PathwaySeeker einen organismenspezifischen Graphen aus integrierten Proteomik- und Metabolomik-Daten auf:

• Datenintegration: Proteine werden KEGG-Orthologie-IDs (KO) zugeordnet und auf Reaktionen abgebildet. Metaboliten werden auf KEGG-Verbindungen (C-Nummern) gemappt.
• Inklusive Logik (OR-Prinzip): Eine Reaktion wird in den Graphen aufgenommen, wenn sie entweder durch Proteomik (nachgewiesenes Enzym) oder durch Metabolomik (nachgewiesene Substrate/Produkte) gestützt wird. Dies verhindert Lücken, die durch unvollständige Omics-Coverage entstehen.
• Evidenz-Typisierung: Jeder Knoten und jede Kante wird mit dem Evidenztyp annotiert (nur Proteomik, nur Metabolomik oder beides).

B. Schema-bewusstes Fine-Tuning

Ein Schema-orientierter Trainingsdatengenerator erstellt überwachte Beispiele aus dem rekonstruierten Graphen. Das Modell (basierend auf GPT-4.1) wird auf diese Daten feinabgestimmt, um:

• GRAPH_FACT: Einzelne, experimentell verifizierte Reaktionen zu erkennen.
• GRAPH_PATH: Mehrstufige Pfade zu identifizieren, bei denen alle Kanten experimentell bestätigt sind.
• HYPOTHESIS: Biochemisch plausible Verbindungen zu generieren, die über den aktuellen Graphen hinausgehen, aber klar als solche gekennzeichnet sind.
• NO_PATH/INVALID: Das Erkennen von Lücken oder biochemisch unmöglichen Anfragen (z. B. unter Berücksichtigung von Cofaktoren).

C. Oracle-in-the-Loop Inferenz (OitL)

Dies ist das Kernstück des Reasoning-Prozesses. Anstatt nur einmalig zu generieren, durchläuft das System einen iterativen Suchprozess:

1. Hypothesengenerierung: Das feinabgestimmte Modell generiert Kandidatenpfade.
2. Verifizierung durch Oracle: Ein „Graph-Oracle" (eine Schnittstelle zum experimentellen Graphen) prüft jeden Schritt der Hypothese.
   • Wichtig: Das Oracle liefert nur positive Evidenz. Das Fehlen eines Eintrags im Graphen wird nicht als biologische Unmöglichkeit interpretiert, sondern als fehlende Evidenz.
3. Iterative Verfeinerung: Basierend auf dem Feedback des Oracle (direkt, teilweise, alternativ oder keine Evidenz) werden Hypothesen verfeinert oder verworfen.
4. Beam Search: Ein Beam-Search-Algorithmus (k=3) wählt die besten Kandidaten basierend auf einem Score aus Evidenzunterstützung (40 %), biochemischer Kohärenz (40 %) und Sparsamkeit (20 %) aus.
5. Thermodynamische Filterung: Post-hoc-Analysen (z. B. Max-min Driving Force mit eQuilibrator) prüfen die thermodynamische Machbarkeit der Pfade.

3. Schlüsselbeiträge

• Evidence-Grounded Reasoning: PathwaySeeker ist das erste System, das LLM-Reasoning direkt an organismenspezifische experimentelle Graphen bindet und dabei jede Aussage mit einer klaren Evidenz-Provenienz versieht.
• Oracle-in-the-Loop Architektur: Die Einführung einer iterativen Verifizierungsschleife, die KI-Hypothesen gegen experimentelle Daten abgleicht, ohne dabei die inhärente Unvollständigkeit der Daten als Fehler zu behandeln.
• Asymmetrische Evidenzbehandlung: Das System unterscheidet strikt zwischen „experimentell bestätigt" und „biochemisch plausibel, aber unbestätigt", was Halluzinationen minimiert und die Unsicherheit quantifizierbar macht.
• Anwendung auf Nicht-Modell-Organismen: Demonstration der Machbarkeit bei Trametes versicolor (einem Weißfäulepilz), für den keine vollständigen genomischen Modelle existieren.

4. Ergebnisse

Die Studie wurde mit Multi-Omics-Daten des Pilzes Trametes versicolor durchgeführt:

• Graph-Konstruktion: Es wurde ein Graph mit 3.402 Reaktionen und 1.192 Verbindungen rekonstruiert. 90,1 % der detektierten Metaboliten konnten im Graphen abgebildet werden.
• Wiederherstellung bekannter Pfade: PathwaySeeker konnte den kanonischen Phenylpropanoid-Stoffwechselweg (von L-Phenylalanin zu Ferulat) vollständig rekonstruieren und als GRAPH_PATH verifizieren. Dies geschah unabhängig von manuellen Kuratierungen und ohne Zugriff auf neuere Literatur (da das Trainingsdatum des LLMs vor der Publikation der Referenzstudie lag).
• Entdeckung neuer Pfade: Das System identifizierte alternative Eintrittspunkte (z. B. über L-Tyrosin) und Verzweigungen (z. B. zu 4-Hydroxybenzoat), die direkt aus der Graph-Topologie abgeleitet wurden, ohne Homologie-Transfer von Modellorganismen.
• Validierung:
  • Thermodynamik: Die vorhergesagten Pfade waren thermodynamisch machbar (positive MDF-Werte), wobei Engpässe identifiziert wurden.
  • Biologische Dynamik: Die Analyse der metabolitenabhängigen Häufigkeiten zeigte, dass verifizierte Pfade (GRAPH_PATH) koordinierte Abundanzänderungen aufwiesen, während Hypothesen (HYPOTHESIS) dies nicht taten.
• Quantitative Bewertung: Über 64 Abfragen hinweg erreichte das System eine Experimental Evidence Ratio (EER) von 26,4 %. Das bedeutet, dass etwa ein Viertel der Kanten experimentell verifiziert war, während drei Viertel als explizit gekennzeichnete Hypothesen dienten. Die wissenschaftliche Qualität (bewertet durch ein unabhängiges LLM) lag bei 4,78 von 5 Punkten, mit hervorragenden Werten bei Transparenz und Reasoning.

5. Bedeutung und Ausblick

PathwaySeeker verändert das Paradigma der metabolischen Inferenz von einer reinen „Plausibilitätsschätzung" hin zu einer „evidenzstratifizierten Entdeckung".

• Reduktion der Suchraum-Kombinatorik: Durch die Einbettung experimenteller Daten wird der kombinatorische Raum möglicher Reaktionen um 99,79 % eingegrenzt, was die Unsicherheit quantifizierbar macht.
• Brücke zwischen KI und Experiment: Das System liefert nicht nur Vorhersagen, sondern priorisiert experimentelle Nachfolgeversuche, indem es klar zwischen bestätigten Fakten und testbaren Hypothesen unterscheidet.
• Generalisierbarkeit: Die Architektur ist organismenunabhängig und kann auf jede Art von unvollständigem, aber verlässlichem Evidenzgraphen angewendet werden.

Zusammenfassend operationalisiert PathwaySeeker Unsicherheit auf transparente Weise und ermöglicht es Forschern, KI-gestützte Entdeckungen direkt mit experimentellen Daten zu verknüpfen, was besonders für die Erforschung von Nicht-Modell-Organismen und die Optimierung von Bioprozessen von großer Bedeutung ist.