KRAKEN: A provenance-tracked knowledge graph for multiomic and wellness research

In der weiten Landschaft der modernen Biologie suchen Wissenschaftler schon lange nach einem Weg, die Punkte zwischen der mikroskopischen Maschinerie unserer Zellen und dem breiteren Bild der menschlichen Gesundheit zu verbinden. Jahrzehntelang konzentrierte sich die Forschung stark darauf, zu verstehen, wie Krankheiten entstehen und wie bestehende Medikamente umfunktioniert werden könnten, um sie zu bekämpfen. Dieser Ansatz hat leistungsstarke Karten biologischer Beziehungen erstellt, aber diese Karten lassen oft die leiseren, alltäglichen Aspekte des Wohlbefindens außer Acht. Sie übersehen häufig die detaillierten chemischen Signaturen unseres Stoffwechsels, die spezifischen genetischen Marker, die unsere Merkmale beeinflussen, und die komplexen Daten, die definieren, wie alt sich unsere Körper im Vergleich zu unserem tatsächlichen Alter anfühlen. Ohne ein vollständiges Bild, das diese auf Wellness ausgerichteten Details einschließt, bleibt es schwierig, die ganze Geschichte darüber zu sehen, wie unsere Biologie in einem gesunden Zustand funktioniert, und nicht nur, wenn sie krank ist.

Ein neues Projekt namens KRAKEN zielt darauf ab, diese Lücke zu schließen, indem es eine massive, vernetzte Karte erstellt, die die Kluft zwischen Krankheitsforschung und allgemeinem Wohlbefinden überbrückt. Die Forscher hinter dieser Arbeit erkannten, dass bestehende Karten zwar exzellent darin waren, Heilmittel zu finden, aber unvollständig für das Verständnis des ganzen Menschen waren. Um dies zu lösen, bauten sie ein System, das Informationen aus vielen verschiedenen Quellen sammelt, darunter spezialisierte Datenbanken für Lipide, genetische Scores und standardisierte Gesundheitsmessungen. Diese neue Karte listet nicht nur Fakiken auf; sie verknüpft sie auf eine Weise, die es Computern ermöglicht, Verbindungen über verschiedene Arten von Daten nachzuverfolgen, von den Molekülen in unserem Blut bis hin zu den genetischen Codes in unserer DNA. Das Ergebnis ist ein Werkzeug, das Forschern und Klinikern hilft zu sehen, wie verschiedene Faktoren der Gesundheit und des Wohlbefindens zusammenhängen, und so eine ganzheitlichere Sicht auf die menschliche Biologie bietet, als dies zuvor in einem einzigen, einheitlichen System möglich war.

Der Kern dieser Errungenschaft ist ein Wissensgraph, der als zentraler Knotenpunkt für vielfältige biologische Informationen fungiert. Das Team kombinierte Daten aus mehreren großen, bestehenden Netzwerken mit spezialisierten Quellen, die sich auf das Wohlbefinden konzentrieren, wie etwa Kataloge von polygenen Scores und Maße für das biologische Alter. Durch das Verweben dieser Fäden schufen sie eine Struktur, die etwa 15 Millionen Knoten umfasst, welche einzelne Informationseinheiten repräsentieren, und rund 113 Millionen Kanten, die die Beziehungen zwischen ihnen darstellen. Dieses Netzwerk deckt 62 verschiedene Arten von Entitäten ab, die von spezifischen Chemikalien und Genen bis hin zu breiteren Gesundheitskonzepten reichen. Um sicherzustellen, dass diese massive Datensammlung eine gemeinsame Sprache spricht, verwendeten die Forscher ein standardisiertes semantisches Modell, das mit den umfassenderen Bemühungen der National Institutes of Health harmoniert, biomedizinische Daten leichter teilbar und verständlich zu machen.

Was dieses System besonders nützlich macht, ist seine Flexibilität und Effizienz. Die Forscher entwickelten einen Erstellungsprozess, der leichtgewichtig genug ist, um auf Standard-Computerhardware zu laufen und in der Spitze weniger als 48 Gigabyte Arbeitsspeicher benötigt. Dieses Design ermöglicht es Nutzern, den gesamten Graphen schnell neu aufzubauen oder nur spezifische Teile der Daten auszuwählen, die für ihr jeweiliges Interessengebiet relevant sind. Ob ein Wissenschaftler nun einen spezifischen Stoffwechselweg untersucht oder nach breiten Wellness-Trends sucht – das System kann so angepasst werden, dass es sich auf diesen Bereich konzentriert, ohne den gesamten Datensatz verarbeiten zu müssen. Diese Modularität stellt sicher, dass das Werkzeug für eine breite Palette von Forschungsfragen zugänglich und praktikabel bleibt, anstatt ein statisches, schwerfälliges Archiv zu sein.

Über die bloße Speicherung von Informationen hinaus enthält KRAKEN eine Reihe von Werkzeugen, die Nutzern helfen sollen, die Daten zu explorieren. Diese Werkzeuge ermöglichen Multi-Hop-Reasoning, was bedeutet, dass das System einer Kette von Verbindungen folgen kann, um indirekte Beziehungen zwischen zwei scheinbar unzusammenhängenden Konzepten zu finden. Nutzer können auch Suchen mittels Text, Vektoren oder einer Kombination aus beidem durchführen, um spezifische Entitäten oder Muster innerhalb des Graphen zu finden. Die Plattform unterstützt Anreicherungsanalysen (Enrichment Analyses), die helfen zu identifizieren, ob bestimmte Datengruppen häufiger zusammen auftreten, als es durch Zufall zu erwarten wäre. All diese Funktionen sind über eine interaktive Weboberfläche und eine standardisierte Anwendungsprogrammierschnittstelle (API) zugänglich, was die Daten sowohl für menschliche Forscher als auch für automatisierte Systeme verfügbar macht.

Das Projekt führt zudem einen Model Context Protocol Server ein, ein Feature, das es KI-Agenten und Large Language Models ermöglicht, direkt mit dem Graphen zu interagieren. Diese Fähigkeit ermöglicht es diesen fortschrittlichen Systemen, die strukturierten Daten zu konsumieren und sie zu nutzen, um komplexe Fragen zu beantworten oder Erkenntnisse zu generieren, ohne auf den spezifischen Datensatz neu trainiert werden zu müssen. Indem sie die Daten auf diese Weise zugänglich machen, öffnen die Forscher die Tür für neue Arten der automatisierten Analyse, die die volle Tiefe der im Graphen enthaltenen Wellness- und Multiomik-Informationen nutzen können. Das gesamte System steht der Öffentlichkeit frei zur Verfügung, sodass jeder mit einer Internetverbindung diese Verbindungen erkunden und zum wachsenden Verständnis der menschlichen Gesundheit und des Wohlbefindens beitragen kann.