Knowledge Graph-Based Hypothesis Generation and Experimental Validation in Yeast

La ciencia a menudo se siente como intentar resolver un rompecabezas masivo donde la imagen de la caja ha desaparecido y las piezas están esparcidas en miles de mesas diferentes. En biología, estas piezas son hechos sobre cómo funcionan los seres vivos: qué genes controlan qué proteínas, cómo reaccionan las células a los productos químicos y qué sucede cuando una parte específica de una célula se rompe. Durante décadas, los científicos han recopilado estos hechos en vastas bibliotecas digitales, pero el volumen de información hace que sea casi imposible para un humano observar cada pieza y adivinar cuáles encajan a continuación. Aquí es donde surge la idea de un "grafo de conocimiento". Imagine una red gigante e interconectada donde cada hecho es un punto y cada relación entre hechos es una línea que los conecta. Al usar programas informáticos para estudiar la forma de esta red, los investigadores pueden detectar patrones y predecir qué conexiones faltantes son más probables que sean reales, sugiriendo efectivamente nuevos experimentos antes de que se toque un solo tubo de ensayo.

Este enfoque es particularmente vital para comprender cómo los organismos sobreviven al estrés. La levadura, un diminuto hongo unicelular, es una de las formas de vida más estudiadas en la Tierra, sirviendo como un modelo simple de cómo funcionan las células más complejas, incluyendo las nuestras. Las células de levadura enfrentan amenazas constantes de su entorno, como productos químicos tóxicos o temperaturas extremas. Cuando una célula de levadura encuentra un estresor como el vinagre o el alcohol, depende de genes específicos para ayudarla a sobrevivir. Si un gen que es crucial para esta defensa falta o está roto, la célula tendrá dificultades para crecer. El desafío para los científicos es determinar exactamente qué genes protegen a la célula contra qué productos químicos específicos. Con miles de genes y cientos de productos químicos, el número de combinaciones posibles es astronómico. Probarlos todos a mano tomaría toda una vida.

Para abordar este problema, un equipo de investigadores de la Universidad Tecnológica de Chalmers y la Universidad de Gotemburgo en Suecia construyó un sistema que combina un mapa digital de la biología de la levadura con robots de laboratorio automatizados. Su objetivo era predecir qué genes ayudan a la levadura a resistir seis estresores químicos específicos: peróxido de hidrógeno, tunicamicina, cafeína, cloruro de sodio, ácido acético y etanol. Comenzaron alimentando un programa informático con todos los hechos conocidos sobre los genes, las proteínas y las reacciones químicas de la levadura en un grafo de conocimiento. Este grafo actúa como una base de datos masiva donde cada pieza de información está vinculada con otras. Luego, la computadora utilizó un tipo sofisticado de inteligencia artificial, conocida como red neuronal de grafos, para observar esta red de conexiones. La red no solo memorizó los hechos; aprendió a comprender la estructura de las relaciones, utilizando las conexiones conocidas para adivinar qué conexiones desconocidas era más probable que existieran. Específicamente, buscó genes que, si se eliminaban, harían a la levadura más vulnerable a los seis productos químicos.

La computadora generó una lista de las suposiciones más prometedoras, clasificándolas según la probabilidad de que fueran ciertas. Los investigadores seleccionaron las treinta y cinco predicciones más destacadas para probarlas en el mundo real. Esto incluyó las cinco mejores suposiciones para cada uno de los seis productos químicos, más cinco suposiciones adicionales que involucraban genes poco comprendidos, variables prácticamente desconocidas en el genoma de la levadura. Para probar estas ideas, utilizaron una plataforma de laboratorio automatizada llamada Eve. Este sistema robótico manejó todo el proceso con precisión, cultivando miles de cultivos de levadura en pozos diminutos. El robot mezcló la levadura con los productos químicos específicos, monitoreó su crecimiento durante veinticuatro horas y registró los datos. Al comparar qué tan rápido crecía la levadura con y sin los productos químicos, y comparando la levadura mutante (a la que le falta un gen específico) con la levadura normal, el equipo pudo determinar si sus predicciones computacionales eran correctas.

Los resultados fueron un éxito claro para este método. De las treinta y cinco hipótesis que la computadora generó, diez fueron confirmadas por los experimentos. Esto significa que para diez pares específicos de gen-químico, la computadora predijo correctamente que eliminar el gen haría que la levadura fuera significativamente más débil cuando se exponía a ese químico. La tasa de éxito varió dependiendo del producto químico. Para el peróxido de hidrógeno, un químico reactivo que daña las células, cuatro de las cinco mejores predicciones fueron correctas. Para la cafeína y el ácido acético, dos de cinco fueron confirmadas. Para el cloruro de sodio y la tunicamicina, una de cinco fue confirmada. Sorprendentemente, ninguna de las cinco predicciones para el etanol fue respaldada por los datos. Uno de los hallazgos más interesantes involucró un gen que anteriormente era un misterio, con ninguna función clara asignada a él. La computadora predijo que este gen desconocido era importante para resistir la tunicamicina, y el experimento lo demostró, mostrando una caída significativa en el crecimiento cuando el gen faltaba. Esto sugiere que la computadora puede encontrar nuevos conocimientos biológicos incluso para genes sobre los cuales los científicos saben muy poco.

El estudio también reveló algo sobre cómo la levadura maneja el estrés. Los genes que la computadora identificó con éxito estaban a menudo involucrados en la construcción o el mantenimiento de las capas externas de la célula y sus sistemas de transporte interno. Por ejemplo, uno de los hallazgos más fuertes involucró un gen llamado GET2, que ayuda a insertar proteínas en la membrana interna de la célula. Cuando este gen fue eliminado, la levadura sufrió una caída masiva del 83.4% en su capacidad de crecer bajo el estrés por peróxido de hidrógeno. Otra predicción exitosa involucró un gen llamado CAX4, que ayuda a procesar azúcares unidos a proteínas. Cuando este gen faltaba, la levadura tenía dificultades significativas bajo el estrés por cafeína, mostrando una caída del 44% en su aptitud. Estos resultados sugieren que la capacidad de la célula para gestionar su estructura interna y transportar materiales es crítica para sobrevivir a los ataques químicos. Sin embargo, los investigadores señalaron que las puntuaciones de confianza de la computadora no coincidían perfectamente con los resultados del mundo real. Si bien la computadora otorgó puntuaciones altas a muchas predicciones, solo alrededor del 30% de las mejores suposiciones para los productos químicos objetivo resultaron ser correctas. Esto indica que, si bien el sistema es bueno para reducir las posibilidades, aún no puede predecir el resultado con absoluta certeza.

Para asegurar que este nuevo conocimiento se preserve y sea útil para futuros científicos, el equipo desarrolló una forma de registrar todo el proceso, incluyendo tanto los éxitos como los fracasos. Extendieron un marco digital llamado RIMBO, diseñado para rastrear cómo cambian los modelos científicos con el tiempo. En este sistema, cada experimento se registra con su evidencia. Si una hipótesis fue respaldada, la nueva conexión se añade al grafo de conocimiento digital. Si una hipótesis no fue respaldada, no se desecha; en su lugar, se registra como un intento fallido con todos los datos adjuntos. Esto crea una historia transparente del descubrimiento, permitiendo a los futuros investigadores ver no solo lo que se sabe, sino también lo que ha sido probado y descartado. Este enfoque convierte el proceso científico en un bucle continuo: la computadora hace una suposición, el robot la prueba, los resultados se registan y el conocimiento actualizado se retroalimenta al sistema para realizar mejores suposiciones la próxima vez.

El estudio demuestra que combinar la inteligencia artificial con la experimentación automatizada es una forma poderosa de navegar la complejidad de la biología. Al usar un grafo de conocimiento para priorizar qué experimentos realizar, los científicos pueden centrar sus esfuerzos en las pistas más prometedoras, ahorrando tiempo y recursos. Aunque el sistema no es perfecto y aún requiere supervisión humana e investigación adicional, identificó con éxito nuevas relaciones entre genes y productos químicos que antes eran desconocidas. El trabajo destaca que, incluso en un campo tan complejo como la biología, los datos estructurados y el aprendizaje automático pueden guiar el descubrimiento, convirtiendo una pila caótica de hechos en un mapa navegable de los mecanismos internos de la vida. Los investigadores planean usar estos hallazgos para explorar más a fondo las interacciones respaldadas, potencialmente usando otros tipos de datos para entender exactamente cómo estos genes protegen a la célula. Por ahora, el estudio es una prueba de que las computadoras pueden ayudar a los científicos a hacer las preguntas correctas, incluso si las respuestas aún requieren el cuidadoso toque de un laboratorio.