Additive-input encoding fails operator-level target-held-out prediction on current Perturb-seq screens

Imaginez un monde où les scientifiques pourraient désactiver des gènes individuels dans une cellule et observer ce qui se passe, tout cela en même temps. C'est la promesse d'une technologie appelée Perturb-seq. En utilisant un outil moléculaire pour réduire au silence des gènes spécifiques puis en lisant l'ensemble de la réponse génétique de la cellule, les chercheurs espèrent construire une carte de la façon dont les gènes communiquent entre eux. L'objectif ultime est de comprendre les règles cachées de la vie : si vous tirez un fil, quels autres fils se tendent, et lesquels se relâchent ? Pendant des années, la méthode standard pour interpréter ces expériences massives a consisté à supposer que la réponse de la cellule est une simple somme de parties. L'idée est que si vous éteignez le Gène A, cela ajoute un changement spécifique ; si vous éteignez le Gène B, cela ajoute un autre changement spécifique. Si vous éteignez les deux, le résultat devrait simplement être la somme de ces deux changements. Cette vision « additive » est attrayante car elle est mathématiquement propre et facile à calculer, permettant aux scientifiques d'inférer une carte de contrôle maître du câblage interne de la cellule.

Cependant, une nouvelle étude de chercheurs de la Brigham Young University suggère que cette règle d'addition simple pourrait être fondamentalement brisée lorsqu'elle est appliquée à des données biologiques réelles. L'équipe, dirigée par Kyler Fullmer, Dalton Kutzen et Tommy W. Terooatea, a pris trois des expériences de réduction de l'expression génique les plus vastes et les plus respectées jamais réalisées et a testé si le modèle additif pouvait réellement prédire ce qui arriverait à un gène qu'ils n'avaient encore jamais vu. Ils ne se sont pas contentés d'examiner les données ; ils ont construit un terrain de test rigoureux pour voir si le modèle pouvait se généraliser. Ils ont posé une question directe : si un ordinateur apprend les règles du jeu à partir d'un ensemble de gènes connus, peut-il deviner correctement le résultat pour un nouveau gène qu'il n'a jamais rencontré ?

La réponse, ont-ils trouvé, est un non retentissant. Lorsque les chercheurs ont tenté d'utiliser le modèle additif pour prédire le comportement d'un nouveau gène, le modèle a totalement échoué. En fait, le modèle n'a pas performé mieux qu'une personne qui se contenterait de deviner que rien ne changerait du tout. Pour s'assurer que cet échec n'était pas un simple coup de chance ou le résultat de données désordonnées, l'équipe a créé une simulation parfaite. Ils ont généré des données fictives où les règles étaient connues pour être parfaitement additives, exactement comme la théorie le prétend. Lorsqu'ils ont exécuté leur modèle sur ces données fictives, il a fonctionné magnifiquement, récupérant les règles cachées avec une grande précision. Cela a prouvé que leur méthode de test était solide et que l'ordinateur était capable d'apprendre. Le problème, par conséquent, n'était pas les mathématiques ou le bruit dans les données, mais l'hypothèse selon laquelle les cellules réelles se comportent comme de simples sommes.

Les chercheurs ont testé cela sur trois ensembles de données différents : deux criblages massifs impliquant des cellules humaines cultivées en boîte, et un autre testant différentes doses de réduction de l'expression génique. Dans chaque cas, le modèle qui supposait que les gènes ajoutent simplement leurs effets ne pouvait pas prédire le résultat d'un nouveau gène. Le taux d'erreur était si élevé que les prédictions du modèle étaient indiscernables d'un choix aléatoire. L'équipe a écarté plusieurs raisons possibles de cet échec. Ils ont vérifié si le problème était causé par le choix des gènes les plus « faciles » à étudier, et ont découvert que même en sélectionnant des gènes de manière aléatoire, le modèle échouait toujours. Ils ont vérifié si le problème était dû au nombre de gènes étudiés ou à la manière spécifique dont les gènes étaient mesurés, et ont constaté que l'échec persistait indépendamment de ces facteurs. Même en supprimant les détails de l'intensité de la réduction de l'expression génique pour ne regarder que la direction du changement, le modèle ne pouvait toujours pas prédire le résultat.

Il y avait une petite exception qui offrait une lueur d'espoir, mais elle était modeste. Sur un ensemble spécifique de cellules, le modèle pouvait prédire le résultat de nouveaux gènes légèrement mieux qu'en devinant simplement le résultat moyen. Cependant, même dans ce meilleur scénario, le modèle n'a récupéré qu'environ sept pour cent de l'information qu'un système parfait et bien structuré aurait fournie. C'était une victoire dérisoire dans un océan d'échecs. Les chercheurs ont également testé des méthodes plus sophistiquées pour encoder l'information génique, incluant des méthodes qui examinent comment les gènes sont connectés dans l'état naturel de la cellule ou utilisent l'apprentissage automatique pour apprendre l'« empreinte digitale » du gène à partir des données. Aucune de ces méthodes avancées n'a pu surmonter le problème fondamental. Elles ont échoué à prédire de nouveaux gènes sur deux des trois types de cellules testés, et sur le troisième, elles n'ont réussi qu'une légère amélioration qui restait loin de ce que la théorie promettait.

L'étude conclut que la manière actuelle d'interpréter ces criblages massifs de réduction de l'expression génique est probablement erronée. L'hypothèse selon laquelle les gènes agissent comme des interrupteurs indépendants qui ajoutent simplement leurs effets ne tient pas la route face à des cibles non observées. Les chercheurs suggèrent deux possibilités principales pour expliquer cela. Premièrement, la façon dont ils traduisent l'identité d'un gène en une entrée mathématique pourrait jeter la majeure partie des informations importantes, comme essayer de décrire un paysage complexe en ne regardant qu'une seule photo floue. Deuxièmement, la réalité biologique pourrait être que les gènes n'agissent pas de manière simple et linéaire ; au contraire, leurs effets pourraient saturer ou atteindre un seuil, ce qui signifie que l'extinction d'un gène ne produit pas un changement constant et prévisible.

Ce travail ne signifie pas que les criblages de réduction de l'expression génique sont inutiles, mais cela signifie que les cartes que nous avons construites à partir d'eux jusqu'à présent peuvent ne pas être des guides fiables pour prédire ce qui se passe lorsque nous ciblons de nouveaux gènes. Les chercheurs ont publié un nouvel ensemble d'outils pour aider d'autres scientifiques à tester leurs propres modèles selon ces normes strictes, garantissant que les découvertes futures soient bâties sur des bases solides. La leçon est claire : la biologie est souvent plus complexe que nos équations les plus simples ne le permettent, et tant que nous ne trouverons pas un moyen de capturer cette complexité, nos prédictions sur la façon dont les cellules réagiront à de nouvelles interventions resteront incertaines.