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

Dans le vaste paysage de la biologie moderne, les scientifiques cherchent depuis longtemps un moyen de relier les points entre la machinerie microscopique de nos cellules et l'image plus large de la santé humaine. Pendant des décennies, la recherche s'est fortement concentrée sur la compréhension du développement des maladies et sur la manière dont les médicaments existants pourraient être repositionnés pour les combattre. Cette approche a permis de construire de puissantes cartes des relations biologiques, mais ces cartes omettent souvent les aspects plus discrets et quotidiens du bien-être. Elles manquent fréquemment les signatures chimiques détaillées de notre métabolisme, les marqueurs génétiques spécifiques qui influencent nos traits, ainsi que les données complexes qui définissent l'âge ressenti par nos corps par rapport à leur âge réel. Sans une image complète incluant ces détails axés sur le bien-être, il reste difficile de saisir l'histoire complète du fonctionnement de notre biologie dans un état de santé, et pas seulement lorsqu'elle est malade.

Un nouveau projet appelé KRAKEN vise à combler cette lacune en créant une carte massive et interconnectée qui jette un pont entre la recherche sur les maladies et le bien-être général. Les chercheurs derrière ce travail ont réalisé que, si les cartes existantes étaient excellentes pour trouver des remèdes, elles étaient incomplètes pour comprendre la personne dans sa globalité. Pour résoudre cela, ils ont construit un système qui rassemble des informations provenant de nombreuses sources différentes, y compris des bases de données spécialisées pour les lipides, les scores génétiques et les mesures de santé standardisées. Cette nouvelle carte ne se contente pas de lister des faits ; elle les lie de manière à permettre aux ordinateurs de tracer des connexions à travers différents types de données, des molécules dans notre sang aux codes génétiques de notre ADN. Le résultat est un outil qui aide les chercheurs et les cliniciens à voir comment divers facteurs de santé et de bien-être sont liés, offrant une vision plus holistique de la biologie humaine que ce qui était auparavant disponible dans un système unique et unifié.

Le cœur de cette réussite est un graphe de connaissances qui agit comme un hub central pour des informations biologiques diverses. L'équipe a combiné des données provenant de plusieurs réseaux existants de grande ampleur avec des sources spécialisées axées sur le bien-なる, telles que des catalogues de scores polygéniques et des mesures de l'âge biologique. En tissant ces fils ensemble, ils ont créé une structure contenant environ 15 millions de nœuds, qui représentent des unités d'information individuelles, et environ 113 millions d'arêtes, qui représentent les relations entre elles. Ce réseau couvre 62 types d'entités différents, allant de substances chimiques spécifiques et de gènes à des concepts de santé plus larges. Pour garantir que cette immense collection de données parle un langage commun, les chercheurs ont utilisé un modèle sémantique standard qui s'aligne sur les efforts plus larges des National Institutes of Health pour rendre les données biomédicales plus faciles à partager et à comprendre.

Ce qui rend ce système particulièrement utile, c'est sa flexibilité et son efficacité. Les chercheurs ont développé un processus de construction suffisamment léger pour fonctionner sur du matériel informatique standard, nécessitant moins de 48 gigaoctets de mémoire à son pic. Cette conception permet aux utilisateurs de reconstruire l'intégralité du graphe rapidement ou de sélectionner uniquement les parties spécifiques des données qui sont pertinentes pour leur domaine d'intérêt particulier. Qu'un scientifique étudie une voie métabolique spécifique ou observe des tendances de bien-être plus larges, le système peut être adapté pour se concentrer sur ce domaine sans avoir besoin de traiter l'ensemble du jeu de données. Cette modularité garantit que l'outil reste accessible et pratique pour un large éventail de questions de recherche, plutôt que d'être une archive statique et encombrante.

Au-delà du simple stockage d'informations, KRAKEN comprend une suite d'outils conçus pour aider les utilisateurs à explorer les données. Ces outils permettent un raisonnement multi-sauts, ce qui signifie que le système peut suivre une chaîne de connexions pour trouver des relations indirectes entre deux concepts apparemment sans lien. Les utilisateurs peuvent également effectuer des recherches à l'aide de texte, de vecteurs, ou d'une combinaison des deux, pour trouver des entités ou des modèles spécifiques au sein du graphe. La plateforme supporte des analyses d'enrichissement, qui aident à identifier si certains groupes de données apparaissent ensemble plus souvent qu'on ne pourrait s'y attendre par le simple fruit du hasard. Toutes ces capacités sont accessibles via une interface web interactive et une interface de programmation d'application standard, rendant les données disponibles tant pour les chercheurs humains que pour les systèmes automatisés.

Le projet introduit également un serveur de protocole de contexte de modèle (Model Context Protocol), une fonctionnalité qui permet aux agents d'intelligence artificielle et aux grands modèles de langage d'interagir directement avec le graphe. Cette capacité permet à ces systèmes avancés de consommer les données structurées et de les utiliser pour répondre à des questions complexes ou générer des idées sans avoir besoin d'être réentraînés sur le jeu de données spécifique. En rendant les données disponibles de cette manière, les chercheurs ouvrent la porte à de nouveaux types d'analyses automatisées qui peuvent tirer parti de toute la profondeur des informations de bien-être et de multi-omique contenues dans le graphe. L'ensemble du système est librement accessible au public, permettant à quiconque possédant une connexion Internet d'explorer ces connexions et de contribuer à la compréhension croissante de la santé et du bien-être humain.