Knowledge Graph-Based Hypothesis Generation and Experimental Validation in Yeast

Die Wissenschaft fühlt sich oft so an, als versuche man, ein riesiges Puzzlespiel zu lösen, bei dem das Bild auf dem Karton fehlt und die Teile über tausende verschiedene Tische verstreut sind. In der Biologie sind diese Teile Fakten darüber, wie Lebewesen funktionieren: welche Gene welche Proteine steuern, wie Zellen auf Chemikalien reagieren und was passiert, wenn ein bestimmter Teil einer Zelle ausfällt. Jahrzehntelang haben Wissenschaftler diese Fakten in riesigen digitalen Bibliotheken gesammelt, aber das schiere Volumen der Informationen macht es nahezu unmöglich für einen Menschen, sich jedes einzelne Stück anzusehen und zu erraten, welche davon als Nächstes zusammenpassen könnten. Hier kommt die Idee eines „Knowledge Graph“ (Wissensgraphen) ins Spiel. Stellen Sie sich ein riesiges, vernetztes Web vor, in dem jeder Fakt ein Punkt ist und jede Beziehung zwischen Fakten eine Linie darstellt, die sie verbindet. Indem Computerprogramme die Form dieses Netzes untersuchen, können Forscher Muster erkennen und vorhersagen, welche fehlenden Verbindungen am wahrscheinlichsten real sind, was effektiv dazu führt, neue Experimente vorzuschlagen, noch bevor ein einziges Reagenzglas berührt wird.

Dieser Ansatz ist besonders wichtig für das Verständnis darüber, wie Organismen Stress bewältigen. Hefe, ein winziger einzelliger Pilz, ist einer der am meisten untersuchten Lebensformen auf der Erde und dient als einfaches Modell dafür, wie komplexere Zellen, einschließlich derer in uns, funktionieren. Hefezellen sind ständigen Bedrohungen durch ihre Umgebung ausgesetzt, wie etwa toxischen Chemikalien oder extremen Temperaturen. Wenn eine Hefezelle auf einen Stressfaktor wie Essig oder Alkohol trifft, verlässt sie sich auf spezifische Gene, um zu überleben. Wenn ein Gen, das entscheidend für diese Verteidigung ist, fehlt oder defekt ist, wird die Zelle Schwierigkeiten haben zu wachsen. Die Herausforderung für Wissenschaftler besteht darin, genau herauszufinden, welche Gene die Zelle gegen welche spezifischen Chemikalien schützen. Mit tausenden von Genen und hunderten von Chemikalien ist die Anzahl der möglichen Kombinationen astronomisch. Alle von Hand zu testen, würde ein Leben lang dauern.

Um dieses Problem anzugehen, entwickelte ein Forscherteam der Chalmers University of Technology und der Universität Göteborg in Schweden ein System, das eine digitale Karte der Hefebiologie mit automatisierten Laborrobotern kombiniert. Ihr Ziel war es, vorherzusagen, welche Gene Hefen helfen, sechs spezifischen chemischen Stressoren zu widerstehen: Wasserstoffperoxid, Tunicamycin, Koffein, Natriumchlorid, Essigsäure und Ethanol. Sie begannen damit, ein Computerprogramm mit allen bekannten Fakten über Hefegene, Proteine und chemische Reaktionen in einem Knowledge Graph zu füttern. Dieser Graph fungiert wie eine massive Datenbank, in der jede Information mit anderen verknüpft ist. Der Computer nutzte dann eine hochentwickelte Art der künstlichen Intelligenz, bekannt als Graph Neural Network (Graph-neuronales Netzwerk), um dieses Geflecht von Verbindungen zu untersuchen. Das Netzwerk hat die Fakten nicht nur auswendig gelernt; es lernte, die Struktur der Beziehungen zu verstehen, indem es die bekannten Verbindungen nutzte, um zu erraten, welche unbekannten Verbindungen am wahrscheinlichsten existieren würden. Konkret suchte es nach Genen, deren Entfernung die Hefe anfälliger für die sechs Chemikalien machen würde.

Der Computer generierte eine Liste der vielversprechendsten Vermutungen und ordnete sie nach ihrer Wahrscheinlichkeit, wahr zu sein. Die Forscher wählten die besten fünfunddreißig Vorhersagen aus, um sie in der realen Welt zu testen. Dies beinhaltete die jeweils fünf besten Vermutungen für jede der sechs Chemikalien sowie fünf zusätzliche Vermutungen, die Gene betrafen, die schlecht verstanden wurden – im Wesentlichen unbekannte Variablen im Hefegenom. Um diese Ideen zu testen, verwendeten sie eine automatisierte Laborplattform namens Eve. Dieses Robotersystem erledigte den gesamten Prozess mit Präzision, indem es tausende Hefekulturen in winzigen Vertiefungen züchtete. Der Roboter mischte die Hefe mit den spezifischen Chemikalien, überwachte deren Wachstum über vierundzwanzig Stunden und zeichnete die Daten auf. Durch den Vergleich der Wachstumsgeschwindigkeit der Hefe mit und ohne die Chemikalien sowie durch den Vergleich der Mutanten-Hefe (der ein spezifisches Gen fehlt) mit der normalen Hefe konnte das Team bestimmen, ob ihre Computerprognosen korrekt waren.

Die Ergebnisse waren ein klarer Erfolg für diese Methode. Von den fünfunddreißig vom Computer generierten Hypothesen wurden zehn durch die Experimente bestätigt. Das bedeutet, dass für zehn spezifische Gen-Chemikalien-Paare der Computer korrekt vorhergesagt hat, dass die Entfernung des Gens die Hefe gegenüber dieser Chemikalie signifikant schwächen würde. Die Erfolgsquote variierte je nach Chemikalie. Für Wasserstoffperoxid, eine reaktive Chemikalie, die Zellen schädigt, waren vier von fünf Top-Vorhersagen korrekt. Für Koffein und Essigsäure wurden zwei von fünf bestätigt. Für Natriumchlorid und Tunicamycin wurde eine von fünf bestätigt. Überraschenderweise wurde keine der fünf Vorhersagen für Ethanol durch die Daten gestützt. Einer der interessantesten Funde betraf ein Gen, das zuvor ein Rätsel war und dem keine klare Funktion zugeschrieben worden war: Der Computer sagte voraus, dass dieses unbekannte Gen wichtig für den Widerstand gegen Tunicamycin sei, und das Experiment bestätigte dies, indem es einen signifikanten Rückgang des Wachstums zeigte, wenn das Gen fehlte. Dies deutet darauf hin, dass der Computer auch neue biologische Erkenntnisse finden kann, selbst für Gene, über die Wissenschaftler sehr wenig wissen.

Die Studie enthüllte auch etwas darüber, wie Hefe mit Stress umgeht. Die Gene, die der Computer erfolgreich identifiziert hatte, waren oft an der Konstruktion oder Erhaltung der äußeren Schichten der Zelle und ihrer internen Transportsysteme beteiligt. So betraf beispielsweise einer der stärksten Befunde ein Gen namens GET2, das hilft, Proteine in die interne Membran der Zelle einzubauen. Als dieses Gen entfernt wurde, verzeichnete die Hefe einen massiven Rückgang von 83,4 % ihrer Wachstumsfähigkeit unter Wasserstoffperoxid-Stress. Eine weitere erfolgreiche Vorhersage betraf ein Gen namens CAX4, das hilft, an Proteine gebundene Zucker zu verarbeiten. Als dieses Gen fehlte, hatte die Hefe unter Koffein-Stress erhebliche Schwierigkeiten und zeigte einen Fitnessverlust von 44 %. Diese Ergebnisse legen nahe, dass die Fähigkeit der Zelle, ihre interne Struktur zu verwalten und Materialien zu transportieren, entscheidend für das Überleben chemischer Angriffe ist. Die Forscher merkten jedoch an, dass die Konfidenzwerte des Computers nicht perfekt mit den realen Ergebnissen übereinstimmten. Während der Computer vielen Vorhersagen hohe Werte gab, stellten sich nur etwa 30 % der Top-Vermutungen für die Zielchemikalien als korrekt heraus. Dies deutet darauf hin, dass das System zwar gut darin ist, die Möglichkeiten einzugrenzen, aber noch nicht in der Lage ist, das Ergebnis mit absoluter Gewissheit vorherzusagen.

Um sicherzustellen, dass dieses neue Wissen bewahrt und für zukünftige Wissenschaftler nutzbar bleibt, entwickelte das Team eine Methode, um den gesamten Prozess inklusive der Erfolge und Misserfolge zu dokumentieren. Sie erweiterten ein digitales Framework namens RIMBO, das darauf ausgelegt ist, die Veränderung wissenschaftlicher Modelle im Laufe der Zeit zu verfolgen. In diesem System wird jedes Experiment zusammen mit seiner Evidenz protokolliert. Wenn eine Hypothese gestützt wurde, wird die neue Verbindung in den digitalen Wissensgraphen aufgenommen. Wenn eine Hypothese nicht gestützt wurde, wird sie nicht einfach weggeworfen; stattdessen wird sie als fehlgeschlagener Versuch mit allen zugehörigen Daten festgehalten. Dies schafft eine transparente Geschichte der Entdeckung, die es zukünftigen Forschern ermöglicht, nicht nur zu sehen, was bekannt ist, sondern auch, was getestet und ausgeschlossen wurde. Dieser Ansatz verwandelt den wissenschaftlichen Prozess in eine kontinuierliche Schleife: Der Computer stellt eine Vermutung an, der Roboter testet sie, die Ergebnisse werden aufgezeichnet und das aktualisierte Wissen fließt zurück in das System, um bessere Vermutungen für das nächste Mal zu ermöglichen.

Die Studie zeigt, dass die Kombination von künstlicher Intelligenz mit automatisierten Experimenten ein leistungsstarker Weg ist, um die Komplexität der Biologie zu durchdringen. Indem sie einen Knowledge Graph nutzen, um zu priorisieren, welche Experimente durchgeführt werden sollen, können Wissenschaftler ihre Bemühungen auf die vielversprechendsten Ansätze konzentrieren und so Zeit und Ressourcen sparen. Obwohl das System nicht perfekt ist und weiterhin menschliche Aufsicht sowie weitere Untersuchungen erfordert, konnte es erfolgreich neue Beziehungen zwischen Genen und Chemikalien identifizieren, die zuvor unbekannt waren. Die Arbeit unterstreicht, dass selbst in einem so komplexen Feld wie der Biologie strukturierte Daten und maschinelles Lernen die Entdeckung leiten können, indem sie einen chaotischen Haufen von Fakten in eine navigierbare Karte der inneren Abläufe des Lebens verwandeln. Die Forscher planen, diese Erkenntnisse zu nutzen, um die unterstützten Interaktionen weiter zu erforschen, wobei sie potenziell andere Arten von Daten verwenden werden, um genau zu verstehen, wie diese Gene die Zelle schützen. Für den Moment steht die Studie als Beweis dafür, dass Computer Wissenschaftlern helfen können, die richtigen Fragen zu stellen, auch wenn die Antworten noch die sorgfältige Hand eines Labors erfordern.