Knowledge Graph-Based Hypothesis Generation and Experimental Validation in Yeast

La science ressemble souvent à une tentative de résolution d'un immense puzzle dont l'image sur la boîte est manquante et dont les pièces sont éparpillées sur des milliers de tables différentes. En biologie, ces pièces sont des faits sur le fonctionnement des êtres vivants : quels gènes contrôlent quelles protéines, comment les cellules réagissent aux substances chimiques, et ce qui se passe lorsqu'une partie spécifique d'une cellule se dégrade. Pendant des décennies, les scientifiques ont rassemblé ces faits dans de vastes bibliothèques numériques, mais le volume colossal d'informations rend presque impossible pour un humain d'examiner chaque pièce et de deviner lesquelles s'assemblent ensuite. C'est ici qu'intervient l'idée d'un « graphe de connaissances ». Imaginez un immense réseau interconnecté où chaque fait est un point, et chaque relation entre les faits est une ligne les reliant. En utilisant des programmes informatiques pour étudier la forme de ce réseau, les chercheurs peuvent repérer des modèles et prédire quelles connexions manquantes sont les plus susceptibles d'être réelles, suggérant ainsi de nouvelles expériences avant même qu'un seul tube à essai ne soit touché.

Cette approche est particulièrement vitale pour comprendre comment les organismes survivent au stress. La levure, un minuscule champignon unicellulaire, est l'une des formes de vie les plus étudiées sur Terre, servant de modèle simple pour comprendre le fonctionnement des cellules plus complexes, y compris les nôtres. Les cellules de levure font face à des menaces constantes de leur environnement, telles que des produits chimiques toxiques ou des températures extrêmes. Lorsqu'une cellule de levure rencontre un agent de stress comme le vinaigre ou l'alcool, elle compte sur des gènes spécifiques pour l'aider à survivre. Si un gène crucial pour cette défense est absent ou défectueux, la cellule aura du mal à croître. Le défi pour les scientifiques est de déterminer exactement quels gènes protègent la cellule contre quels produits chimiques spécifiques. Avec des milliers de gènes et des centaines de produits chimiques, le nombre de combinaisons possibles est astronomique. Les tester tous à la main prendrait une vie entière.

Pour s'attaquer à ce problème, une équipe de chercheurs de l'Université de technologie de Chalmers et de l'Université de Göteborg en Suède a construit un système combinant une carte numérique de la biologie de la levure avec des robots de laboratoire automatisés. Leur objectif était de prédire quels gènes aident la levure à résister à six agents de stress chimiques spécifiques : le peroxyde d'hydrogène, la tunicamycine, la caféine, le chlorure de sodium, l'acide acétique et l'éthanol. Ils ont commencé par injecter dans un programme informatique tous les faits connus sur les gènes, les protéines et les réactions chimiques de la levure dans un graphe de connaissances. Ce graphe agit comme une base de données massive où chaque information est liée aux autres. L'ordinateur a ensuite utilisé un type sophistiqué d'intelligence artificielle, appelé réseau de neurones sur graphe, pour étudier ce réseau de connexions. Le réseau ne s'est pas contenté de mémoriser les faits ; il a appris à comprendre la structure des relations, utilisant les connexions connues pour deviner quelles connexions inconnues étaient les plus susceptibles d'exister. Plus précisément, il recherchait des gènes dont la suppression rendrait la levure plus vulnérable aux six produits chimiques.

L'ordinateur a généré une liste des hypothèses les plus prometteuses, en les classant selon leur probabilité de véracité. Les chercheurs ont sélectionné les trente-cinq prédictions les plus pertinentes pour les tester dans le monde réel. Cela comprenait les cinq meilleures suppositions pour chacun des six produits chimiques, ainsi que cinq hypothèses supplémentaires impliquant des gènes mal compris, des variables pratiquement inconnues du génome de la levure. Pour tester ces idées, ils ont utilisé une plateforme de laboratoire automatisée appelée Eve. Ce système robotique a géré l'ensemble du processus avec précision, faisant croître des milliers de cultures de levure dans de minuscules puits. Le robot a mélangé la levure avec les produits chimiques spécifiques, surveillé leur croissance pendant vingt-quatre heures et enregistré les données. En comparant la vitesse de croissance de la levure avec et sans les produits chimiques, et en comparant la levure mutante (dépourvue d'un gène spécifique) à la levure normale, l'équipe a pu déterminer si les prédictions de l'ordinateur étaient correctes.

Les résultats ont été un succès manifeste pour cette méthode. Sur les trente-cinq hypothèses générées par l'ordinateur, dix ont été confirmées par les expériences. Cela signifie que pour dix paires gène-produit chimique spécifiques, l'ordinateur a correctement prédit que la suppression du gène rendrait la levure nettement plus faible lors de l'exposition à ce produit chimique. Le taux de réussite variait selon le produit chimique. Pour le peroxyde d'hydrogène, un produit chimique réactif qui endommage les cellules, quatre des cinq meilleures prédictions étaient correctes. Pour la caféine et l'acide acétique, deux sur cinq ont été confirmées. Pour le chlorure de sodium et la tunicamycine, une sur cinq a été confirmée. Étonnamment, aucune des cinq prédictions pour l'éthanol n'a été soutenue par les données. L'une des découvertes les plus intéressantes concernait un gène qui était auparavant un mystère, sans fonction claire assignée ; l'ordinateur a prédit que ce gène inconnu était important pour résister à la tunicamycine, et l'expérience l'a prouvé, montrant une baisse significative de la croissance lorsque le gène était absent. Cela suggère que l'ordinateur peut trouver de nouvelles informations biologiques même pour des gènes dont les scientifiques savent très peu de choses.

L'étude a également révélé quelque chose sur la façon dont la levure gère le stress. Les gènes que l'ordinateur a identifiés avec succès étaient souvent impliqués dans la construction ou le maintien des couches externes de la cellule et de ses systèmes de transport internes. Par exemple, l'une des découvertes les plus marquantes concernait un gène appelé GET2, qui aide à insérer des protéines dans la membrane interne de la cellule. Lorsqu'on retirait ce gène, la levure subissait une chute massive de 83,4 % de sa capacité de croissance sous stress au peroxyde d'hydrogène. Une autre prédiction réussie impliquait un gène appelé CAX4, qui aide à traiter les sucres attachés aux protéines. Lorsque ce gène manquait, la levure éprouvait des difficultés importantes sous stress à la caféine, affichant une baisse de fitness de 44 %. Ces résultats suggèrent que la capacité de la cellule à gérer sa structure interne et à transporter des matériaux est cruciale pour survivre aux attaques chimiques. Cependant, les chercheurs ont noté que les scores de confiance de l'ordinateur ne correspondaient pas parfaitement aux résultats du monde réel. Bien que l'ordinateur ait attribué des scores élevés à de nombreuses prédictions, seulement environ 30 % des meilleures suppositions pour les produits chimiques cibles se sont révélées correctes. Cela indique que, bien que le système soit efficace pour réduire les possibilités, il ne peut pas encore prédire le résultat avec une certitude absolue.

Pour garantir que cette nouvelle connaissance soit préservée et utile pour les futurs scientifiques, l'équipe a développé un moyen d'enregistrer l'ensemble du processus, y compris les succès et les échecs. Ils ont étendu un cadre numérique appelé RIMBO, conçu pour suivre l'évolution des modèles scientifiques au fil du temps. Dans ce système, chaque expérience est consignée avec ses preuves. Si une hypothèse est confirmée, la nouvelle connexion est ajoutée au graphe de connaissances numérique. Si une hypothèse n'est pas confirmée, elle n'est pas jetée ; au contraire, elle est enregistrée comme une tentative infructueuse avec toutes les données jointes. Cela crée un historique transparent de la découverte, permettant aux futurs chercheurs de voir non seulement ce qui est connu, mais aussi ce qui a été testé et écarté. Cette approche transforme le processus scientifique en une boucle continue : l'ordinateur fait une supposition, le robot la teste, les résultats sont enregistrés, et les connaissances mises à jour sont réinjectées dans le système pour faire de meilleures suppositions la fois suivante.

L'étude démontre que la combinaison de l'intelligence artificielle et de l'expérimentation automatisée est un moyen puissant de naviguer dans la complexité de la biologie. En utilisant un graphe de connaissances pour prioriser les expériences à mener, les scientifiques peuvent concentrer leurs efforts sur les pistes les plus prometteuses, économisant ainsi du temps et des ressources. Bien que le système ne soit pas parfait et nécessite encore une supervision humaine et des investigations supplémentaires, il a réussi à identifier de nouvelles relations entre les gènes et les produits chimiques qui étaient auparavant inconnues. Ce travail souligne que même dans un domaine aussi complexe que la biologie, les données structurées et l'apprentissage automatique peuvent guider la découverte, transformant un amas chaotique de faits en une carte navigable des rouages internes de la vie. Les chercheurs prévoient d'utiliser ces découvertes pour explorer davantage les interactions confirmées, en utilisant potentiellement d'autres types de données pour comprendre exactement comment ces gènes protègent la cellule. Pour l'instant, l'étude constitue la preuve que les ordinateurs peuvent aider les scientifiques à poser les bonnes questions, même si les réponses nécessitent encore la touche prudente d'un laboratoire.