Knowledge Graph-Based Hypothesis Generation and Experimental Validation in Yeast

La scienza spesso sembra il tentativo di risolvere un enorme puzzle in cui l'immagine sulla scatola è mancante e i pezzi sono sparsi su migliaia di tavoli diversi. In biologia, questi pezzi sono fatti su come funzionano gli esseri viventi: quali geni controllano quali proteine, come le cellule reagiscono alle sostanze chimiche e cosa succede quando una parte specifica di una cellula si rompe. Per decenni, gli scienziati hanno raccolto questi fatti in vaste biblioteche digitali, ma l'enorme volume di informazioni rende quasi impossibile per un essere umano esaminare ogni singolo pezzo e indovinare quali si incastrino successivamente. È qui che entra in gioco l'idea di un "grafo della conoscenza". Immaginate un gigantesco web interconnesso dove ogni fatto è un punto e ogni relazione tra i fatti è una linea che li connette. Utilizzando programmi informatici per studiare la forma di questo web, i ricercatori possono individuare modelli e prevedere quali connessioni mancanti siano più probabilmente reali, suggerendo efficacemente nuovi esperimenti prima ancora che venga toccata una singola provetta.

Questo approccio è particolarmente vitale per comprendere come gli organismi sopravvivano allo stress. Il lievito, un minuscolo fungo unicellulare, è una delle forme di vita più studiate al mondo, fungendo da modello semplice per il funzionamento di cellule più complesse, incluse le nostre. Le cellule di lievito affrontano minacce costanti dal loro ambiente, come sostanze chimiche tossiche o temperature estreme. Quando una cellula di lievito incontra uno stressor come l'aceto o l'alcol, si affida a geni specifici per sopravvivere. Se un gene cruciale per questa difesa è mancante o danneggiato, la cellula faticherà a crescere. La sfida per gli scienziati è capire esattamente quali geni proteggano la cellula contro quali specifiche sostanze chimiche. Con migliaia di geni e centinaia di sostanze chimiche, il numero di possibili combinazioni è astronomico. Testarli tutti a mano richiederebbe una vita intera.

Per affrontare questo problema, un team di ricercatori della Chalmers University of Technology e dell'Università di Göteborg, in Svezia, ha costruito un sistema che combina una mappa digitale della biologia del lievito con robot da laboratorio automatizzati. Il loro obiettivo era prevedere quali geni aiutano il lievito a resistere a sei specifici stress chimici: perossido di idrogeno, tunicamicina, caffeina, cloruro di sodio, acido acetico ed etanolo. Hanno iniziato inserendo in un programma per computer tutti i fatti noti sui geni, le proteine e le reazioni chimiche del lievito in un grafo della conoscenza. Questo grafo funge da enorme database dove ogni informazione è collegata alle altre. Il computer ha poi utilizzato un tipo sofisticato di intelligenza artificiale, noto come rete neurale a grafo, per analizzare questa rete di connessioni. La rete non si è limitata a memorizzare i fatti; ha imparato a comprendere la struttura delle relazioni, usando le connessioni note per indovinare quali connessioni sconosciute potessero probabilmente esistere. Nello specifico, ha cercato i geni che, se rimossi, renderebbero il lievito più vulnerabile ai sei prodotti chimici.

Il computer ha generato un elenco delle ipotesi più promettenti, classificandole in base alla probabilità che fossero vere. I ricercatori hanno selezionato le trentacinque previsioni più probabili da testare nel mondo reale. Ciò includeva le cinque migliori ipotesi per ciascuno dei sei prodotti chimici, più cinque ipotesi aggiuntive riguardanti geni scarsamente compresi, ovvero variabili quasi sconosciute nel genoma del lievito. Per testare queste idee, hanno utilizzato una piattaforma di laboratorio automatizzata chiamata Eve. Questo sistema robotico ha gestito l'intero processo con precisione, coltivando migliaia di colture di lievito in minuscoli pozzetti. Il robot ha mescolato il lievito con le sostanze chimiche specifiche, monitorando la crescita per ventiquattro ore e registrando i dati. Confrontando la velocità di crescita del lievito con e senza le sostanze chimiche, e confrontando il lievito mutante (privo di un gene specifico) con quello normale, il team ha potuto determinare se le previsioni del computer fossero corrette.

I risultati sono stati un chiaro successo per questo metodo. Delle trentacinque ipotesi generate dal computer, dieci sono state confermate dagli esperimenti. Ciò significa che per dieci specifiche coppie gene-sostanza chimica, il computer ha predetto correttamente che la rimozione del gene avrebbe reso il lievito significativamente più debole quando esposto a quella sostanza. Il tasso di successo variava a seconda della sostanza chimica. Per il perossido di idrogeno, una sostanza chimica reattiva che danneggia le cellule, quattro delle cinque migliori previsioni erano corrette. Per la caffeina e l'acido acetico, due su cinque sono state confermate. Per il cloruro di sodio e la tunicamicina, una su cinque è stata confermata. Sorprendentemente, nessuna delle cinque previsioni per l'etanolo è stata supportata dai dati. Uno dei risultati più interessanti ha riguardato un gene che era precedentemente un mistero, con nessuna funzione chiara assegnata: il computer ha predetto che questo gene sconosciuto fosse importante per resistere alla tunicamicina, e l'esperimento lo ha confermato, mostrando un calo significativo della crescita in sua assenza. Ciò suggerisce che il computer può trovare nuove intuizioni biologiche anche per geni di cui gli scienziati sanno pochissimo.

Lo studio ha rivelato anche qualcosa su come il lievito gestisce lo stress. I geni identificati con successo dal computer erano spesso coinvolti nella costruzione o nel mantenimento degli strati esterni della cellula e dei suoi sistemi di trasporto interno. Ad esempio, uno dei risultati più forti ha riguardato un gene chiamato GET2, che aiuta a inserire le proteine nella membrana interna della cellula. Quando questo gene veniva rimosso, il lievito subiva un calo massiccio dell'83,4% nella sua capacità di crescere sotto stress da perossido di idrogeno. Un'altra previsione riuscita ha riguardato un gene chiamato CAX4, che aiuta a elaborare gli zuccheri attaccati alle proteine. Quando questo gene era assente, il lievito faticava significativamente sotto stress da caffeina, mostrando un calo della fitness del 44%. Questi risultati suggeriscono che la capacità della cellula di gestire la propria struttura interna e trasportare materiali è fondamentale per sopravvivere agli attacchi chimici. Tuttavia, i ricercatori hanno notato che i punteggi di confidenza del computer non corrispondevano perfettamente ai risultati del mondo reale. Sebbene il computer desse punteggi elevati a molte previsioni, solo circa il 30% delle migliori ipotesi per le sostanze chimiche bersaglio si è rivelato corretto. Ciò indica che, sebbene il sistema sia bravo a restringere le possibilità, non è ancora in grado di prevedere il risultato con assoluta certezza.

Per garantire che questa nuova conoscenza sia preservata e utile per i futuri scienziati, il team ha sviluppato un modo per registrare l'intero processo, inclusi sia i successi che i fallimenti. Hanno esteso un framework digitale chiamato RIMBO, progettato per tracciare come i modelli scientifici cambiano nel tempo. In questo sistema, ogni esperimento viene registrato con la sua evidenza. Se un'ipotesi è supportata, la nuova connessione viene aggiunta al grafo della conoscenza digitale. Se un'ipotesi non è supportata, non viene scartata; viene invece registrata come un tentativo fallito con tutti i dati allegati. Questo crea una storia trasparente della scoperta, permettendo ai futuri ricercatori di vedere non solo ciò che è noto, ma anche ciò che è stato testato e scartato. Questo approccio trasforma il processo scientifico in un ciclo continuo: il computer fa un'ipotesi, il robot la testa, i risultati vengono registrati e la conoscenza aggiornata viene reimmessa nel sistema per fare ipotesi migliori la volta successiva.

Lo studio dimostra che combinare l'intelligenza artificiale con l'esperimentazione automatizzata è un modo potente per navigare nella complessità della biologia. Utilizzando un grafo della conoscenza per dare priorità agli esperimenti da eseguire, gli scienziati possono concentrare i loro sforzi sulle piste più promettenti, risparmiando tempo e risorse. Sebbene il sistema non sia perfetto e richieda ancora la supervisione umana e ulteriori indagini, ha identificato con successo nuove relazioni tra geni e sostanze chimiche precedentemente sconosciute. Il lavoro evidenzia come anche in un campo complesso come la biologia, i dati strutturati e il machine learning possano guidare la scoperta, trasformando un caos di fatti in una mappa navigabile dei meccanismi interni della vita. I ricercatori intendono utilizzare queste scoperte per esplorare ulteriormente le interazioni supportate, potenzialmente utilizzando altri tipi di dati per capire esattamente come questi geni proteggano la cellula. Per ora, lo studio rappresenta la prova che i computer possono aiutare gli scienziati a porre le domande giuste, anche se le risposte richiedono ancora il tocco attento di un laboratorio.