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

Nel vasto panorama della biologia moderna, gli scienziati cercano da tempo un modo per collegare i puntini tra il macchinario microscopico delle nostre cellule e il quadro più ampio della salute umana. Per decenni, la ricerca si è concentrata pesantemente sulla comprensione di come si sviluppino le malattie e di come i farmaci esistenti possano essere riutilizzati per combatterle. Questo approccio ha costruito potenti mappe di relazioni biologiche, ma queste mappe spesso trascurano gli aspetti più silenziosi e quotidiani del benessere. Esse mancano frequentemente delle firme chimiche dettagliate del nostro metabolismo, dei marcatori genetici specifici che influenzano i nostri tratti e dei dati complessi che definiscono quanto il nostro corpo sembri vecchio rispetto alla nostra età reale. Senza un quadro completo che includa questi dettagli focalizzati sul benessere, rimane difficile vedere la storia completa di come la nostra biologia funzioni in uno stato di salute, non solo quando è malata.

Un nuovo progetto chiamato KRAKENS mira a colmare questa lacuna creando una mappa massiccia e interconnessa che colmi il divario tra la ricerca sulle malattie e il benessere generale. I ricercatori dietro questo lavoro si sono resi conto che, sebbene le mappe esistenti fossero eccellenti per trovare cure, erano incomplete per comprendere la persona nel suo insieme. Per risolvere questo problema, hanno costruito un sistema che raccoglie informazioni da molte fonti diverse, inclusi database specializzati per i lipidi, punteggi genetici e misurazioni di salute standardizzate. Questa nuova mappa non si limita a elencare fatti; li collega in un modo che permette ai computer di tracciare connessioni attraverso diversi tipi di dati, dalle molecole nel nostro sangue ai codici genetici nel nostro DNA. Il risultato è uno strumento che aiuta ricercatori e clinici a vedere come vari fattori di salute e benessere siano correlati, offrendo una visione più olistica della biologia umana di quanto fosse precedentemente disponibile in un unico sistema unificato.

Il nucleo di questo traguardo è un grafo di conoscenza che funge da hub centrale per informazioni biologiche diversificate. Il team ha combinato i dati di diverse reti esistenti con fonti specializzate che si concentrano sul benessere, come cataloghi di punteggi poligenici e misure dell'età biologica. Intrecciando questi fili, hanno creato una struttura contenente circa 15 milioni di nodi, che rappresentano singoli pezzi di informazione, e circa 113 milioni di archi, che rappresentano le relazioni tra di essi. Questa rete copre 62 diversi tipi di entità, che vanno da specifiche sostanze chimiche e geni a concetti di salute più ampi. Per garantire che questa enorme collezione di dati parli una lingua comune, i ricercatori hanno utilizzato un modello semantico standard che si allinea agli sforzi più ampi degli National Institutes of Health per rendere i dati biomedici più facili da condividere e comprendere.

Ciò che rende questo sistema particolarmente utile è la sua flessibilità ed efficienza. I ricercatori hanno sviluppato un processo di costruzione abbastanza leggero da poter essere eseguito su hardware informatico standard, richiedendo meno di 48 gigabyte di memoria al suo picco. Questo design consente agli utenti di ricostruire l'intero grafo rapidamente o di selezionare solo parti specifiche dei dati che siano rilevanti per il loro particolare ambito di interesse. Che un ricercatore stia studiando un percorso metabolico specifico o stia osservando ampie tendenze del benessere, il sistema può essere adattato per concentrarsi su quel dominio senza dover elaborare l'intero dataset. Questa modularità assicura che lo strumento rimanga accessibile e pratico per una vasta gamma di domande di ricerca, piuttosto che essere un archivio statico e ingombrante.

Oltre a memorizzare semplicemente informazioni, KRAKENS include una serie di strumenti progettati per aiutare gli utenti a esplorare i dati. Questi strumenti permettono il ragionamento multi-hop, il che significa che il sistema può seguire una catena di connessioni per trovare relazioni indirette tra due concetti apparentemente non correlati. Gli utenti possono anche eseguire ricerche utilizzando il testo, i vettori o una combinazione di entrambi per trovare entità o pattern specifici all'interno del grafo. La piattaforma supporta analisi di arricchimento, che aiutano a identificare se determinati gruppi di dati appaiano insieme più spesso di quanto ci si aspetterebbe per caso. Tutte queste capacità sono accessibili attraverso un'interfaccia web interattiva e un'interfaccia di programmazione delle applicazioni (API) standard, rendendo i dati disponibili sia per i ricercatori umani che per i sistemi automatizzati.

Il progetto introduce anche un server Model Context Protocol, una funzionalità che permette ad agenti di intelligenza artificiale e modelli linguistici di grandi dimensioni di interagire direttamente con il grafo. Questa capacità consente a questi sistemi avanzati di consumare i dati strutturati e usarli per rispondere a domande complesse o generare intuizioni senza la necessità di essere riaddestrati sul dataset specifico. Rendendo i dati disponibili in questo modo, i ricercatori stanno aprendo la porta a nuovi tipi di analisi automatizzata che possono sfruttare tutta la profondità delle informazioni di benessere e multiomiche contenute nel grafo. L'intero sistema è liberamente disponibile al pubblico, consentendo a chiunque abbia una connessione internet di esplorare queste connessioni e contribuire alla crescente comprensione della salute e del benessere umano.