🤖 machine learning

Knowledge Graphs and Reasoning LLMs for Finding Simple Yet Effective Transcriptomic Perturbation Predictors

本論文は、生物学的知識グラフを活用した単純なK近傍法が、トランスクリプトームの摂動効果を予測する上で競争力のある分布外性能を達成すること、そして、近傍選択を精緻化するために強化学習を用いて推論LLMを最適化することで、最先端の手法に匹敵するレベルまでさらに強化できることを示している。

原著者： Jake Fawkes, Liam Hodgson, Jason Hartford

公開日 2026-06-09

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Jake Fawkes, Liam Hodgson, Jason Hartford

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

全体像：予測不可能なものを予測する

ある特定の部品を取り除いたときに、複雑な機械（自動車やコンピュータなど）にどのような変化が起きるかを突き止めようとしている場面を想像してみてください。生物学において、この「機械」は生きている細胞であり、「部品」は遺伝子です。科学者たちはこう知りたいと考えています。「もし遺伝子Aをノックアウト（機能を停止）させたら、細胞の振る舞いはどのように変化するか？」

これを実際のラボで実験するのは、時間がかかり、コストも高く、危険も伴います。そのため、科学者たちはコンピュータにその答えを予測させたいと考えています。しかし、細胞は信じられないほど複雑であるため、コンピュータはこの課題に苦戦してきました。単純なコンピュータモデルでさえ失敗することが多く、時には過去の実験の平均値を推測するよりも悪い結果になることさえあります。

核となるアイデア：「あなたの隣人は誰ですか？」

この論文の著者たちは、生物学的な真理に基づいた、驚くほどシンプルな解決策を提案しています。それは、**「共に働く遺伝子は、似たような反応を示す傾向がある」**という事実です。

遺伝子を、巨大な工場で働く一人の労働者だと考えてみてください。もしある労働者が解雇されたら、工場の生産量は変化します。

従来の方法： 工場のあらゆるルールを理解しようとする、巨大で複雑なAIを構築しようとする。
この論文の方法： 「知識グラフ（Knowledge Graph）」を見る。これは、工場の組織図や、誰が誰と話しているかを示すマップのようなものです。もし「労働者A」が解雇されたら、組織図上のすぐ隣にいる人々（最も頻繁に会話している人々）を確認します。もしそれらの隣人たちが、解雇された際に通常ある特定の反応を示すのであれば、「労働者A」も同様の反応を示すと想定するのです。

著者たちは、このシンプルな「隣人を見る」アプローチ（**K近傍法（K-Nearest Neighbour）**と呼ばれるもの）が、実際には、これらの変化を予測する上でほとんどの複雑でハイテクなAIモデルよりも優れていることを発見しました。

問題点：マップは不完全である

そこには落とし穴がありました。「知識グラフ（組織図）」は完璧ではないのです。

欠落したリンク： 労働者間のすべてのつながりが示されているわけではありません。
間違った隣人： 組織図に隣人としてリストされている人々が、特定の仕事においては必ずしも最適な比較対象ではない場合があります。

これは、いくつかの通りが欠けていたり、行き止まりが含まれていたりする都市の地図を持っているようなものです。その地図だけを頼りにナビゲートしようとしても、目的地には近づけますが、必ずしも「最善のルート」を見つけることはできません。

解決策：「推論」するAI

このマップを修正するために、著者たちは大規模言語モデル（LLM）——言語や関係性を理解することに非常に長けたタイプのAI——を使用しました。

彼らは単にAIに推測を求めたのではありません。**強化学習（RL）**という手法を用いて、マップを修正する方法をAIに教え込んだのです。

比喩： 学生（AI）がテストを受けている場面を想像してください。
- ステップ1： 学生は標準的なマップ（知識グラフ）からスタートします。
- ステップ2： 学生はこう問われます。「予測をより良くするために、この隣人のリストを改善できますか？」学生は、「遺伝子Xを加え、遺伝子Yを削除します」と答えるかもしれません。
- ステップ3： 教師（コンピュータ）が答えをチェックします。もし予測が改善されれば、学生には**報酬（ポイント）**が与えられます。もし悪化すれば、ポイントは与えられません。
- ステップ4： 学生は何度も繰り返し挑戦し、どの変更がポイントをもたらすかを学習していきます。

時間をかけて、AIは「推論」のスキルを習得します。つまり、ある遺伝子に注目し、標準的なマップを確認し、そして最適な比較対象となる遺伝子グループを見つけ出すために、隣人のリストを編集する方法を学ぶのです。

結果：シンプル＋スマート＝最良

この論文では、主に2つのことが判明しました。

シンプルなベースラインが勝利： 標準的な「隣人」リストを用いるだけで（AIなしでも）、ほとんどの他の複雑なAIモデルを上回る結果を出しました。
AIが完璧にする： AIがそのリストを微調整するように訓練されると、結果は現在利用可能な極めて高度で複雑なモデル（具体的にはTxPertと呼ばれるモデル）と同等のレベルに達しました。

「魔法」のようなボーナス：
このAIは、遺伝子発現の変化を予測するようにのみ訓練されましたが、他の生物学的な問い（例えば、薬が遺伝子の活性を変化させるかどうかなど）に対しても優れた予測ができるようになりました。これは、AIが単に答えを暗記するのではなく、生物学がどのように機能するかという一般的な「論理」を学習したことを示唆しています。

まとめ

問題： 遺伝子の変化に対する細胞の反応を予測することは困難である。
シンプルな解決策： 遺伝子を既知の生物学的な隣人と比較する。これは驚くほど効果的である。
アップグレード： スマートなAIを使用して、予測を実際に向上させるものに基づいて、隣人のリストから不要なものを取り除き、適切なものを追加するようにリストを編集する。
成果： この「シンプルなマップ」と「スマートなエディター（編集者）」の組み合わせは、最も高度な手法と同じくらい正確に生物学的な変化を予測できるツールを生み出した。

重要な注意： この論文は、あくまでコンピュータによる予測の向上に焦点を当てています。この手法が、病院での治療や新薬のデザインにすぐに使用できる段階にあると主張するものではありません。これは、より優れた科学的モデリングのための概念実証（プルーフ・オブ・コンセプト）です。

テクニカル・サマリー：単純かつ効果的なトランスクリプトーム摂動予測のための知識グラフと推論LLM

1. 問題提起

未知の遺伝子ノックアウト摂動によるトランスクリプトームへの影響を予測することは、バーチャル細胞モデルにとって依然として大きな課題である。近年のアプローチは、訓練された摂動を超えた外挿性を向上させるために生物学的知識グラフを活用しているが、複雑なディープラーニングモデルはしばしば単純なベースライン（例：訓練サンプルの平均）を上回ることができない。核心的な困難は、各摂動が複雑な生物学的プロセスによって制約された独自の分布を誘導する、新しい介入分布 $P(x|do(i))$ への汎化にある。GNN（グラフニューラルネットワーク）や大規模な事前学習を利用した既存の手法は有望な結果を示しているが、生物学的知識が未知の介入への汎化をどのように可能にするのか、その具体的なメカニズムは依然として不明である。さらに、基礎となる因果構造を直接最適化することは、可能な遺伝子グラフの指数関数的な探索空間のために計算量的に実行不可能である。

2. メソドロジー

2.1 理論的基礎：スパースな階層モデル

著者らは、遺伝子ノックアウトに対する細胞応答が、スパースな階層的因果グラフに従うと仮定している。このモデルでは、遺伝子がタンパク質複合体を形成し、それがパスウェイを形成し、最終的にオルガネラや細胞応答へと至る。

含意： 同じ低レベルの複合体に影響を与える摂動は、同様の発現プロファイルを示すはずである。
予測： ターゲットとなる摂動の平均的な発現は、この因果グラフによって定義されるローカルな近傍に対する単純な最近傍平均によって近似できる。

2.2 ベースライン：グラフ近傍予測器

著者らはまず、既存の生物学的知識グラフ（例：StringDB、GO）を事前知識として活用する「グラフ近傍（Graph Neighbour）」予測器を評価する。

メカニズム： ターゲット遺伝子 $g$ について、予測器は知識グラフにおけるその近傍 $N(g)$ を特定する。ターゲットの予測デルタ（ $\hat{\delta}_g$ ）は、これらの近傍の訓練デルタの平均として計算される：
$\hat{y}_g = \bar{x}_g + \frac{1}{|N_{Tr}(g)|} \sum_{\tilde{g} \in N_{Tr}(g)} \bar{\delta}_{\tilde{g}}$
ここで、 $\bar{x}_g$ は一致させたコントロールの発現であり、 $N_{Tr}(g)$ は訓練セット内に存在する近傍を表す。
知見： この単純な $K$ -最近傍アプローチは、複雑なディープラーニングモデル（GEARS、scLAMBDAなど）を凌駕し、SOTA（最先端）モデルであるTxpertの性能に迫る。特に、分布外（OOD）の設定において顕著である。

2.3 洗練：推論LLMを用いた強化学習

知識グラフは不完全であり、最適ではないエッジを含んでいることを認識し、著者らはLLMを用いてこれらの近傍を洗練させる手法を提案している。

探索空間の削減： すべての（計算不可能な）グラフの探索空間（ $O(2^{\#genes^2})$ ）を探索する代わりに、LLMの事前知識の下で妥当な候補エッジへと探索を制限する。
RL（強化学習）の定式化：
- 方策（Policy）： LLM（ $\pi_\theta$ ）が、初期の知識グラフ近傍（ $N_{KG}$ ）に対してアクション（追加 $A$ 、削除 $R$ ）を選択する方策として機能する。
- アクション空間： 洗練された集合は $S_{LLM} = (N_{KG} \setminus R) \cup A$ となる。
- 報酬関数： モデルは、以下の要素からなる報酬 $R(s, a)$ $R (s, a)$ を最大化するように、GRPO（Group Relative Policy Optimization）を通じて訓練される：
  1. フォーマット報酬 ( $R_{Fmt}$ ): 出力が解析可能であることを保証する。
  2. 妥当性報酬 ( $R_{Valid}$ ): 訓練セットから遺伝子を追加し、元の近傍に含まれない遺伝子を削除することを促す。
  3. 性能報酬 ( $R_\Delta$ ): ベースラインの知識グラフ予測器と比較して、Pearson Deltaメトリックの改善をインセンティブとして与える。
訓練： LLMは、Replogle et al. (2022) の細胞株の摂動データを用いて訓練され、未知の摂動に対する評価を確実にするために厳格な訓練/テスト分割が行われる。

3. 主な貢献

単純なベースラインの提示： 本論文は、生物学的知識グラフに基づく単純な $K$ -最近傍予測器が、OOD摂動予測において非常に競争力のあるベースラインであることを確立した。これは多くの複雑なディープラーニング手法を上回る。
洗練の事前知識としてのLLM： 強化学習によって最適化されたLLMが、知識グラフの近傍（欠落している関係の追加および無関係な関係の削除）を効果的に編集し、予測性能を向上させられることを示した。
最先端の性能： RLチューニングされたLLMは、単純な最近傍アーキテクチャから出発しているにもかかわらず、Replogle et al. の細胞株において現在のSOTA手法（具体的にはTxpert）と同等の性能を達成した。
ダウンストリームへの汎化： 本研究は、RL訓練がLLMのダウンストリームタスク（具体的にはPerturbQAベンチマークにおける差分的発現予測）における性能を向上させることを示しており、これはモデルが特定の予測タスクに過学習するのではなく、汎用的な推論パターンを学習していることを示唆している。

4. 結果

ベンチマーク性能： 4つの細胞株（K562, RPE1, HEPG2, Jurkat）において、RL訓練されたLLM（$LLM + KG + RL$）は、Txpertと同等のPearson Deltaスコア（例：K562において0.625 vs 0.626）を達成し、未訓練のLLMおよび生の知識グラフベースラインを大幅に上回った。
OOD汎化： 本手法は未知の摂動に汎化し、特定の遺伝子ノックアウトが訓練セットに含まれていない場合でも高い性能を維持した。
転移学習： 4つの細胞株のうち3つのみで訓練した場合でも、保持された細胞株（K562）においてベースラインモデルよりも性能が向上しており、細胞株を越えた推論方策の汎化能力を示した。
ダウンストリームタスク： PerturbQA（Wu et al.）において、ポスト訓練されたモデルは、特定のタスクへのファインチューニングなしでも、差分的発現および変化の方向の予測においてベースLLMを上回った。

5. 意義と主張

本論文は、生物学的知識グラフが効果的なモデルの事前知識として機能すること、そしてその事前知識を利用した最も単純なモデル（最近傍法）が驚くほど堅牢であることを主張している。主な意義は、強化学習がLLMを汎用的なツールへと洗練させられることを示した点にある。

著者らは、RL訓練は計算コストが高く、即時の予測のための実用的なデプロイ方法として必ずしも最適ではないことを認めつつも、それが**概念実証（Proof of Concept）**として機能すると述べている：

LLMが、明示的に静的な知識グラフにエンコードされているもの以上に、遺伝子間の関係に関する意味のある予測信号を保持していることを検証した。
RLが、LLMを遺伝子近傍の変化に関する事後分布として機能するように調整し、予測的な遺伝子セットを選択するための方策を効果的に学習できることを示した。
予測性能の向上がダウンストリームの推論タスクへと転移することを示し、より堅牢な「バーチャル細胞」モデルへの道筋を示唆した。

著者らは、RLの計算コストや、特定の細胞株に対する訓練セットへの依存性（これにより、新しい細胞株に対する真の「ゼロショット」予測が困難になること）といった限界についても謙虚に言及している。彼らは、全般的な汎化問題を完全に解決したと主張しているのではなく、高度な言語モデルの推論を用いて、単純で解釈可能なモデルを洗練させるための実行可能な経路を示したのである。