Résumé Technique : Réseau de Neurones Informé par la Physique Adaptatif et Inclusif en Connaissances pour la Modélisation des Interactions Microbiennes

1. Énoncé du Problème

La modélisation des interactions microbiennes est cruciale pour comprendre la fonction des écosystèmes, la santé de l'hôte et les applications biotechnologiques. Cependant, la caractérisation de ces interactions demeure un défi fondamental. La dynamique microbienne est régie par des interactions par paires internes et des influences environnementales externes (ex: température, nutriments). Bien que l'équation de Lotka-Volterra généralisée (gLV) serve de base biologique standard pour modéliser ces dynamiques, les approches existantes présentent des limitations significatives :

• Limites des Données : Les méthodes actuelles reposent uniquement sur des mesures d'abondance expérimentales, qui ne capturent qu'une tranche étroite du comportement du système sous des conditions spécifiques, échouant ainsi à rendre compte des variations contextuelles plus larges.
• Lacune de Connaissances : Les réseaux de neurones informés par la physique (PINN) existants pour la découverte de paramètres apprennent les paramètres des équations strictement à partir des données, ignorant l'immense connaissance hétérogène (textes, structures de réseaux) accumulée dans la littérature scientifique et les bases de données.
• Déficiences Architecturales : Les méthodes précédentes échouent souvent à capturer simultanément la dynamique temporelle, la topologie d'interaction et la connaissance contextuelle. Les approches basées sur les LSTM manquent de fondement topologique, tandis que les approches basées sur les GNN manquent souvent de représentation temporelle. De plus, les méthodes basées sur la gLV estiment les paramètres à partir des seules données d'abondance, ignorant les connaissances contextuelles qui pourraient améliorer la fiabilité.

2. Méthodologie : KI-APINN et A2G2

Les auteurs proposent les Réseaux de Neurones Informés par la Physique Adaptatifs et Inclusifs en Connaissances (KI-APINN), un cadre agnostique au modèle qui conditionne les paramètres des équations physiques sur une représentation « inclusive en connaissances » formée par la fusion de données expérimentales avec des sources de connaissances auxiliaires.

2.1 Vue d'ensemble du Cadre

Contrairement aux APINN standards où les paramètres sont des scalaires fixes ou appris uniquement à partir des données, le KI-APINN apprend les paramètres comme des fonctions d'une représentation fusionnée ($z$). Cette représentation intègre :

1. Entrées Expérimentales : Profils d'abondance microbienne.
2. Données Dérivées : Paramètres statistiques et richesse taxonomique.
3. Connaissance Contextuelle : Plongements textuels (embeddings) issus de la littérature de métagénomique évaluée par les pairs (titres et résumés) et connaissances structurelles de réseaux.

Le cadre minimise une fonction de perte composite comprenant un terme de données ($L_{Data}$) et un terme de physique ($L_{Physics}$), où les paramètres physiques ($\theta$) sont générés dynamiquement par un réseau de paramètres ($\theta_\psi$) basé sur la représentation inclusive en connaissances $z$.

2.2 Architecture A2G2

Pour instancier le KI-APINN pour la microbiologie, les auteurs ont développé A2G2, une architecture neuronale spécifique comprenant trois composants :

1. Encodeur de Caractéristiques Basé sur l'Attention : Fusionne les profils d'abondance temporels (traités via des unités récurrentes à porte - GRU), les paramètres statistiques, la richesse taxonomique et les plongements textuels. Il utilise un mécanisme d'attention par modalité pour pondérer la contribution de chaque source de connaissance, offrant ainsi de l'interprétabilité.
2. Encodeur Structurel (AnchorGNN) : Un nouveau mécanisme d'encodage de graphe creux conçu pour capturer la topologie d'interaction microbienne à un coût sous-quadratique. Il sparsifie le graphe d'interaction en apprenant un ensemble de « taxons ancres » et en ne conservant que les arêtes incidentes à ces ancres, réduisant la complexité computationnelle de $O(n^2)$ à $O(nk)$.
3. Tête de Reconstruction gLV : Décode les représentations apprises en taux de croissance par taxon ($r_v$) et en forces d'interaction par paires ($B_{vu}$), fermant ainsi la boucle entre l'architecture neuronale et l'équation physique gLV.

2.3 Pipelines

L'étude évalue deux pipelines distincts :

• Pipeline de Mono-Communauté : Se concentre sur une seule communauté microbienne, permettant l'intégration de facteurs internes et externes spécifiques à la communauté.
• Pipeline de Généralisation Multi-Communautés : Modélise les interactions à travers plusieurs communautés simultanément pour capturer les dynamiques partagées et se généraliser à des taxons non vus.

3. Contributions Clés

1. Cadre KI-APINN : Une généralisation des PINN de découverte de paramètres qui conditionne les paramètres physiques sur des représentations de connaissances inclusives, récupérant les PINN standards comme un cas particulier lorsqu'aucune connaissance auxiliaire n'est présente.
2. Architecture A2G2 : Une instanciation concrète combinant la fusion par attention multimodale, l'encodage de graphe creux basé sur des ancres et le décodage de paramètres ancré sur la gLV.
3. Évaluation Complète : L'évaluation la plus étendue dans ce domaine à ce jour, couvrant six ensembles de données (intestin humain, rhizosphère de gingembre, in vitro, simulé et néonatal) à travers les pipelines mono et multi-communautés.
4. Perspectives Biologiques : Validation des réseaux d'interaction inférés par rapport aux connaissances biologiques établies (MetagenomicKG), révélant des espèces clés (keystone species) et des modèles d'interaction dépendants du contexte.

4. Résultats

Le cadre a été évalué en utilisant la précision basée sur la dissimilarité de Bray-Curtis (BCD) et les scores $R^2$.

• Performance par rapport à l'État de l'Art : Même sans connaissance auxiliaire, le modèle A2G2 a amélioré l'état de l'art (IMPARO et les bases de référence LSTM) jusqu'à 53 % en précision BCD.
• Impact de l'Intégration des Connaissances :
  • Microbiomes Intestinaux : L'intégration du texte a systématiquement amélioré la modélisation. Dans le pipeline de mono-communauté, l'ajout de texte a généré des gains allant jusqu'à 23 % en précision BCD et 47 % en $R^2$.
  • Rhizosphère de Gingembre : Les bénéfices dépendaient du traitement, avec les améliorations les plus fortes (jusqu'à 23 % BCD, 47 % $R^2$) observées sous des traitements de dilution spécifiques (BV138 200×).
  • Taxons Non Vus : Dans le pipeline multi-communautés, le guidage par le texte a permis une généralisation robuste aux taxons non vus, améliorant la performance de 1,3 à 2 % en BCD et de 4,0 à 4,4 % en $R^2$ pour 25 espèces non vues.
  • Microbiomes Néonatals : L'intégration du texte a montré des résultats mitigés, les bénéfices étant observés dans les échantillons intestinaux mais avec une réponse minimale dans les microbiomes respiratoires (gorge/nez), suggérant une applicabilité du savoir documentaire spécifique au domaine.
• Intégration de Graphes de Connaissances : L'ajout d'embeddings d'arêtes de Graphe de Connaissances (KG) structurés a fourni des gains constants (jusqu'à 19 % BCD et 47 % $R^2$) lorsqu'ils étaient combinés avec le texte, surpassant le texte non structuré seul dans certaines configurations.
• Analyse de Réseau : Les réseaux inférés ont identifié des espèces clés biologiquement plausibles (ex: Bacteroidaceae dans l'intestin masculin, Xanthomonadaceae dans la rhizosphère du gingembre) et des modèles d'interaction cohérents avec la littérature, tels que l'échange de nutriments (cross-feeding) et les réseaux coopératifs.

5. Signification et Revendications

L'article affirme que le KI-APINN comble un fossé critique entre la portée étroite des données expérimentales et la vaste compréhension contextuelle encodée dans la littérature scientifique. En intégrant des sources de connaissances hétérogènes (texte et structure de réseau) dans l'apprentissage informé par la physique, le cadre :

• Améliore la Découverte de Paramètres : Passe de l'estimation de paramètres basée sur les données à l'inférence sensible au contexte, améliorant la précision et la stabilité, particulièrement dans des écosystèmes complexes comme la rhizosphère où les dynamiques simples de la gLV peuvent être insuffisantes.
• Offre de l'Interprétabilité : Le mécanisme d'attention et la sortie explicite des paramètres gLV permettent aux chercheurs de comprendre quelles sources de connaissances pilotent les prédictions et d'interpréter les forces d'interaction microbienne.
• Offre une Capacité de Généralisation : Le cadre démontre sa capacité à se généraliser à des taxons non vus et à divers contextes écologiques (humain, végétal, synthétique), suggérant une voie vers des modèles de communautés microbiennes plus robustes et transférables.

Les auteurs concluent que bien que l'équation gLV ne soit pas une description universelle de toutes les dynamiques microbiennes, le fait de conditionner ses paramètres sur des représentations inclusives en connaissances permet au modèle de rester fidèle aux structures biologiques connues tout en s'adaptant aux dynamiques dépendantes du contexte que les équations seules ne peuvent capturer.