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

Immaginate un mondo in cui gli scienziati possono spegnere i singoli geni in una cellula e osservare cosa accade, tutto contemporaneamente. Questa è la promessa di una tecnologia chiamata Perturb-seq. Utilizzando uno strumento molecolare per silenziare geni specifici e poi leggere l'intera risposta genetica della cellula, i ricercatori sperano di costruire una mappa di come i geni comunicano tra loro. L'obiettivo finale è comprendere le regole nascoste della vita: se si tira un filo, quali altri fili si tendono e quali si allentano? Per anni, il modo standard per interpretare questi enormi esperimenti è stato quello di assumere che la risposta della cellula sia una semplice somma di parti. L'idea è che se si spegne il Gene A, esso aggiunge una specifica quantità di cambiamento; se si spegne il Gene B, aggiunge un altro specifico cambiamento. Se si spengono entrambi, il risultato dovrebbe essere semplicemente la somma di questi due cambiamenti. Questa visione "additiva" è attraente perché è matematicamente pulita e facile da calcolare, permettendo agli scienziati di inferire una mappa di controllo principale del cablaggio interno della cellula.

Tuttovia, un nuovo studio condotto da ricercatori della Brigham Young University suggerisce che questa semplice regola dell'addizione potrebbe essere fondamentalmente infranta se applicata ai dati biologici reali. Il team, guidato da Kyler Fullmer, Dalton Kutzen e Tommy W. Terooatea, ha preso tre dei più grandi e rispettati esperimenti di silenziamento genico mai eseguiti e ha testato se il modello additivo potesse effettivamente prevedere cosa sarebbe accaduto a un gene che i ricercatori non avevano mai visto prima. Non si sono limitati a guardare i dati; hanno costruito un rigoroso campo di prova per vedere se il modello potesse generalizzare. Si sono posti una domanda diretta: se un computer impara le regole del gioco da un insieme di geni noti, può indovinare correttamente l'esito per un nuovo gene che non ha mai incontrato?

La risposta, hanno scoperto, è un no risonante. Quando i ricercatori hanno cercato di usare il modello additivo per prevedere il comportamento di nuovi geni, il modello è fallito completamente. Infatti, il modello non è andato meglio di una persona che si limitasse a indovinare che non sarebbe cambiato nulla. Per assicurarsi che questo fallimento non fosse solo un colpo di fortuna o il risultato di dati disordinati, il team ha creato una simulazione perfetta. Hanno generato dati finti in cui le regole erano perfettamente additive, esattamente come sostiene la teoria. Quando hanno eseguito il loro modello su questi dati finti, ha funzionato magnificamente, recuperando le regole nascoste con un'alta precisione. Ciò ha dimostrato che il loro metodo di test era solido e che il computer era capace di apprendere. Il problema, quindi, non era la matematica o il rumore nei dati, ma l'assunto che le cellule reali si comportino come semplici somme.

I ricercatori hanno testato questo su tre diversi dataset: due grandi screening che coinvolgevano cellule umane coltivate in una piastra, e uno che testava diverse dosi di silenziamento genico. In ogni singolo caso, il modello che assumeva che i geni semplicemente sommassero i loro effetti non riusciva a prevedere l'esito di un nuovo gene. Il tasso di errore era così alto che le previsioni del modello erano indistinguibili da un tentativo casuale. Il team ha escluso diverse possibili ragioni per questo fallimento. Hanno controllato se il problema fosse causato dalla scelta dei geni più "facili" da studiare e hanno scoperto che, anche selezionando i geni in modo casuale, il modello falliva ancora. Hanno controllato se il problema fosse dovuto al numero di geni studiati o al modo specifico in cui i geni venivano misurati, e hanno scoperto che il fallimento persisteva indipendentemente da questi fattori. Anche quando hanno rimosso i dettagli su quanto fosse forte il silenziamento genico e hanno guardato solo la direzione del cambiamento, il modello non riusciva comunque a prevedere l'esito.

C'è stata una piccola eccezione che ha offerto un barlume di speranza, ma è stata modesta. Su un set specifico di cellule, il modello poteva prevedere l'esito di nuovi geni leggermente meglio del semplice indovinare il risultato medio. Tuttavia, anche in questo scenario ottimale, il modello ha recuperato solo circa il sette per cento delle informazioni che un sistema perfetto e ben comportato avrebbe fornito. È stata una piccola vittoria in un mare di fallimenti. I ricercori hanno testato anche modi più sofisticati per codificare l'informazione genica, inclusi metodi che osservavano come i geni siano connessi nel loro stato naturale o che utilizzavano il machine learning per imparare l'"impronta digitale" del gene dai dati. Nessuno di questi metodi avanzati è riuscito a superare il problema fondamentale. Sono falliti nel prevedere nuovi geni in due dei tre tipi di cellule testati e, sul terzo, sono riusciti solo a ottenere un piccolo miglioramento che restava molto lontano da quanto promesso dalla teoria.

Lo studio conclude che il modo attuale di interpretare questi massicci screening di silenziamento genico è probabilmente difettoso. L'assunto che i geni agiscano come interruttori indipendenti che sommano semplicemente i loro effetti non regge quando testato contro bersagli non visti. I ricercatori suggeriscono due possibilità principali per cui ciò accade. In primo luogo, il modo in cui traducono l'identità di un gene in un input matematico potrebbe stare scartando la maggior parte delle informazioni importanti, come cercare di descrivere un paesaggio complesso guardando solo una singola foto sfocata. In secondo luogo, la realtà biologica potrebbe essere che i geni non agiscono in modo semplice e lineare; invece, i loro effetti potrebbero saturarsi o raggiungere una soglia, il che significa che spegnere un gene non produce un cambiamento costante e prevedibile.

Questo lavoro non significa che gli screening di silenziamento genico siano inutili, ma significa anche che le mappe che abbiamo costruito da essi finora potrebbero non essere guide affidabili per prevedere cosa accade quando si colpiscono nuovi geni. I ricercatori hanno rilasciato un nuovo toolkit per aiutare altri scienziati a controllare i propri modelli rispetto a questi standard rigorosi, assicurando che le scoperte future siano costruite su basi solide. La lezione è chiara: la biologia è spesso più complessa di quanto le nostre equazioni più semplici permettano di intendere, e finché non troveremo un modo per catturare quella complessità, le nostre previsioni su come le cellule reagiranno a nuove interazioni rimarranno incerte.