PathwaySeeker: Evidence-Grounded AI Reasoning over Organism-Specific Metabolic Networks

本研究は、タンパク質および代謝物データを統合してサンプル固有の代謝グラフを再構築し、その構造に基づいて大規模言語モデルを微調整するとともに、実験的証拠に基づく仮説探索（Oracle-in-the-Loop 推論）を通じて各推論ステップを検証する AI システム「PathwaySeeker」を開発し、非モデル生物 Trametes versicolor のデータを用いて、実験的に確認された代謝経路と検証が必要な仮説を明確に区別する新たなアプローチを提案したものである。

要約

PathwaySeeker：科学の「探偵」が、生物の代謝ネットワークを解き明かす

この論文は、**「PathwaySeeker（パスウェイシーカー）」**という新しい AI システムについて紹介しています。

一言で言うと、これは**「特定の生物が、今どんな環境で、どんな化学反応を起こしているのか」を、実験データに基づいて見事に推理し、その根拠を明確に示してくれる AI 助手**です。

従来の AI やデータベースは「教科書的な知識」しか持っていませんでしたが、PathwaySeeker は「その生物が実際に実験室で観測されたデータ」を頼りに、まるで探偵が証拠を集めて事件を解決するかのように、生物の体内で起きていることを推理します。

---

🧩 1. 従来の問題点：「教科書」と「現場」のギャップ

生物の代謝（栄養をエネルギーに変える仕組み）を理解するには、2 つの大きな情報源があります。

1. 教科書（既存のデータベース）： 人間やマウスなど、よく研究された生物の「標準的な代謝マップ」です。しかし、これは**「平均的な教科書」**のようなもので、特定の生物や特定の環境（例えば、ある菌が特定の温度で育った時）にどう適応しているかは書かれていません。
2. 現場のデータ（オミクスデータ）： 実験室で実際に採取したタンパク質や代謝物のデータです。これは**「その瞬間の現場写真」**ですが、写真がバラバラに散らばっているだけで、どうつながっているかはわかりません。

【従来のジレンマ】

• 一般的な AI は「教科書」だけを見て「たぶんこうだろう」と推測しますが、それがその生物の「実際の現場」と合っているかどうかわかりません。
• 逆に、実験データだけ見ても、バラバラな断片をどうつなげばいいかわからず、全体像が見えません。

🔍 2. PathwaySeeker の仕組み：「証拠に基づく探偵」

PathwaySeeker は、この 2 つを完璧に結びつけます。その仕組みを 3 つのステップで説明します。

ステップ 1：現場の地図を作る（知識グラフの構築）

まず、実験で得られた「タンパク質（酵素）」と「代謝物（化学物質）」のデータを、生物の代謝ネットワークという巨大なパズルに当てはめます。

• 証拠 A（タンパク質）： 「この酵素が見つかった！ということは、この反応が起きるはずだ！」
• 証拠 B（代謝物）： 「この化学物質が見つかった！ということは、この反応の前後に何かあったはずだ！」
  これらを組み合わせて、「その生物が今、実際に持っている能力」を示す地図を作ります。

ステップ 2：AI に「証拠の読み方」を教える（ファインチューニング）

この「実験ベースの地図」を使って、AI（大規模言語モデル）を訓練します。

• 従来の AI： 「教科書」から知識を引っ張って答える。
• PathwaySeeker： 「実験で確認された道は『確実な事実』、実験データがないけど化学的にありそうな道は『仮説』」と、答えの根拠を明確に区別して答えるように教えます。

ステップ 3：Oracle-in-the-Loop（神の目による検証ループ）

これが最も面白い部分です。AI が「このルートがあるはずだ！」と推理するたびに、**「証拠の神（Oracle）」**というシステムがチェックします。

• AI： 「A から B へ行くルートがあるよ！」
• 証拠の神： 「待てよ。実験データに A と B をつなぐ酵素の痕跡はあるか？」
  • あれば： 「OK、これは**『確認済み（GRAPH_FACT）』**だ！」
  • なければ： 「データにないけど、化学的にはあり得るな。これは**『仮説（HYPOTHESIS）』**としてマークしておけ。ただし、まだ実験で確認されていないよ」と言います。

このように、AI は**「実験データに裏付けされたこと」と「まだ推測しかないこと」を、まるでラベルを貼るみたいに明確に区別して**教えてくれます。

---

🍄 3. 実証実験：白かび「トランエタス・ヴェルシカラー」の謎を解く

このシステムは、**「トランエタス・ヴェルシカラー」**という、木材を分解する能力を持つ白かび（非モデル生物）でテストされました。この菌の代謝は詳しくわかっていませんでした。

• 成果： PathwaySeeker は、実験データから、この菌がリグニン（木材の成分）を分解する際、どのような化学反応のルートを使っているかを**「教科書」ではなく「実験データ」から独自に再構築**しました。
• 驚き： 従来の研究者が「他の生物の例を当てはめて」推測していたルートとは違う、この菌独自の新しい反応ルートを、実験データから発見しました。
• 透明性： 「ここは実験で確認された事実」「ここは仮説だから、さらに実験で確認する必要がある」と、どこまでが確実でどこからが推測かが、すべて明確に表示されました。

さらに、「熱力学的な検証」（エネルギー的にその反応が起きるかどうか）や、「代謝物の量の変化」（実際にそのルートが動いているか）もチェックし、AI の推理が生物学的に正しいことを裏付けました。

---

💡 4. なぜこれが重要なのか？（日常の例え）

この技術を、**「料理のレシピ開発」**に例えてみましょう。

• 従来の AI： 世界中の料理本（教科書）を見て、「トマトとチーズは合うはずだ」と言います。でも、それが「あなたの冷蔵庫にある食材」で本当に作れるかはわかりません。
• PathwaySeeker： まず、**「あなたの冷蔵庫の中身（実験データ）」**をすべてチェックします。
  • 「トマトとチーズがある！→ これは**『確実なレシピ』**です！」
  • 「トマトはあるけどチーズはない。でも、他のチーズで代用できそう。→ これは**『仮説レシピ』**です。試してみたらどうなるか確認してください！」
  • 「冷蔵庫にない材料を使うレシピは、たとえ本に載っていても『作れません』と言います。」

🚀 まとめ

PathwaySeeker は、AI に「何でも知っている天才」ではなく、**「証拠を厳密にチェックする、誠実な科学者のアシスタント」**という役割を与えました。

• 確実な事実と**推測（仮説）**を明確に分ける。
• 実験データに基づいて、その生物固有の「生きた代謝マップ」を作る。
• 研究者に「どこまでわかっていて、どこから実験が必要か」を具体的に示す。

これにより、未知の生物の代謝を解明するスピードが上がり、より効率的に新しい薬やバイオ燃料の開発につなげられるようになるでしょう。AI が「魔法のように答える」のではなく、「証拠に基づいて推理し、その限界を正直に示す」時代が来たのです。

技術概要

PathwaySeeker: 生物種特異的代謝ネットワークにおける証拠に基づく AI 推論

本論文は、環境や実験条件に依存して変化する代謝活性を、大規模言語モデル（LLM）と実験的多オミクスデータを統合することで、条件特異的に推論・解釈する AI システム「PathwaySeeker」を提案しています。非モデル生物（ここでは白腐菌 Trametes versicolor）の代謝経路を、実験データに基づいて再構築し、推論の各ステップに証拠の所在（プロベナンス）を明示する画期的なアプローチです。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

---

1. 問題定義 (Problem)

代謝活動は生物固有の性質ではなく、環境や実験的文脈によって形成される「創発的な状態」です。しかし、現在の計算機科学における代謝解析には以下の 3 つの根本的な限界がありました。

1. 静的なデータベースの限界: 既存の代謝経路データベースは、生物種や条件に依存しない静的な知識を提供しますが、特定の条件下で実際に活性化している経路を区別できません。
2. 多オミクスデータの解釈不足: プロテオミクスやメタボロミクスなどの多オミクスデータは条件特異的な分子証拠を提供しますが、これをメカニズムに基づいた経路仮説に変換するための構造化された推論フレームワークが欠如しています。
3. LLM の証拠の欠如: 最新の LLM は生化学的な推論能力に優れていますが、その推論が実験データに基づくものか、単なる事前学習された知識（ハルシネーションや一般的な推測）に基づくものかを区別できず、証拠の由来（プロベナンス）が不明確です。

これにより、実験状態と代謝ネットワークの分析が分断され、非モデル生物における条件依存性の代謝経路の発見が困難となっていました。

2. 手法 (Methodology)

PathwaySeeker は、LLM の推論能力を実験データで「接地（Grounding）」させる 3 つの段階で構成されるシステムです。

A. 条件特異的代謝知識グラフの構築

• データ統合: プロテオミクス（酵素）とメタボロミクス（代謝物）のデータを統合し、KEGG 反応ネットワークを基盤として、特定の生物種・条件に特化した有向グラフを構築します。
• 証拠ベースの統合: 酵素と代謝物の両方が検出されている場合だけでなく、どちらか一方の証拠（酵素のみ、または代謝物のみ）があっても反応をネットワークに含める「OR 論理（包括的）」のアプローチを採用しています。これにより、オミクスデータの不完全性による経路の欠落を防ぎつつ、各エッジに「プロテオミクス」「メタボロミクス」「両方」という証拠タイプを付与します。

B. スキーマ対応のトレーニングデータ生成とファインチューニング

• GLaM アプローチの適応: 構築されたグラフから、教師あり学習用のデータを生成します。
• 証拠タイプ別の学習: モデルに以下の 5 種類の推論パターンを学習させます。
  • GRAPH_FACT: 実験グラフで確認された単一反応。
  • GRAPH_PATH: 実験グラフで確認された多段階経路。
  • HYPOTHESIS: 生化学的に妥当だが実験グラフに未確認の経路（仮説）。
  • NO_PATH: 実験グラフ内で接続がない（ただし生物学的に不可能とは断定しない）。
  • INVALID: 代謝制約（補因子など）に違反する無効なクエリ。
• ファインチューニング: 基盤モデル（GPT-4.1）をこれらのデータでファインチューニングし、グラフ構造と証拠タイプを認識する能力を強化します。

C. Oracle-in-the-Loop (OitL) 推論

これが本システムの核となる推論アルゴリズムです。

• 反復的検証ループ: モデルが仮説（経路）を生成すると、それを「実験グラフオラクル」に照らし合わせて各ステップを検証します。
• ポジティブ証拠のみの原則: オラクルは「証拠がある場合」のみを返します。「証拠がない」ことは「生物学的に不可能」として拒絶するのではなく、単に「未確認」として扱います。
• ビームサーチと改善: 検証結果に基づき、モデルは仮説を修正・洗練します。証拠支持度、生化学的一貫性、単純性（パースimony）をスコアリングし、ビームサーチで最良の経路を選択します。
• 出力の透明化: 最終出力の各エッジには、GRAPH_FACT（確認済み）、GRAPH_PATH（確認済み経路）、HYPOTHESIS（仮説・信頼度スコア付き）というラベルが明示的に付与されます。

3. 主要な貢献 (Key Contributions)

1. 証拠に基づく推論フレームワークの確立: 代謝推論において、実験データで確認された事実と、生化学的に妥当な仮説を明確に区別し、それぞれに証拠の由来を付与する初めてのシステムです。
2. Oracle-in-the-Loop 推論手法: LLM の生成と外部の知識グラフ（オラクル）による検証を反復的に行うことで、モデルのハルシネーションを抑制し、実験データに根ざした推論を実現しました。
3. 非モデル生物への適用: 代謝モデルが整備されていない非モデル生物（Trametes versicolor）において、実験データのみから複雑な分岐経路（フェニルプロパノイド経路など）を再構築し、既知の経路の条件特異的な活性を証明しました。
4. 実験的優先順位付けの支援: 熱力学的妥当性解析（MDF 解析）や条件特異的な代謝物濃度プロファイルと統合することで、どの経路が実際に機能しているか、どのステップが律速段階かを特定し、実験的検証の優先順位付けを可能にしました。

4. 結果 (Results)

Trametes versicolor の多オミクスデータを用いた評価において、以下の成果が得られました。

• 経路の再構築と検証:
  • フェニルアラニンからフェルラ酸への主要なフェニルプロパノイド骨格を、実験データに基づいて完全に再構築し、すべての反応ステップが GRAPH_PATH として確認されました。
  • 従来のマニュアルキュレーション（他生物からのホモロジー推論に依存）では見逃されていた、p-クマリン酸から 4-ヒドロキシ安息香酸への分岐経路を、実験グラフの構造から直接発見しました。
  • 従来のマニュアル解析では「ホモロジーに基づく仮説」として扱われていた経路を、実験データで直接裏付けられる形で再発見しました。
• 証拠の透明性: 64 の代謝クエリに対する評価において、回答の約 26.4% が実験的に確認されたエッジ（EER: Experimental Evidence Ratio）であり、残りの約 73.6% は明確に「仮説」としてラベル付けされたエッジでした。科学的推論の質（スコア 4.78/5.0）と証拠の透明性は非常に高く評価されました。
• 熱力学的・生物学的妥当性: 再構築された経路は熱力学的に実行可能（正の MDF 値）であり、条件特異的な代謝物の濃度変動パターンと整合していました。これにより、単なる構造上の接続ではなく、実際に機能している代謝フローを特定できました。
• 一般モデルとの比較: 一般的な LLM（GPT-4.1 など）は生化学的に正しい経路を提示できますが、それが実験データに基づくものか、単なる知識の再生産かを区別できず、証拠の証明が欠如していました。

5. 意義と将来展望 (Significance)

PathwaySeeker は、AI と実験生物学の統合において以下のパラダイムシフトをもたらします。

• 不確実性の構造化: 従来の AI は「正解」か「不正解」かを判断しようとしますが、PathwaySeeker は「確認済み」「仮説」「未確認」という不確実性のレベルを明示的に表現します。これにより、研究者はどの部分をさらに実験で検証すべきかを明確に把握できます。
• モデル生物バイアスの克服: 既知のモデル生物（大腸菌、酵母など）の知識に依存せず、対象生物の実験データそのものから代謝経路を再構築するため、非モデル生物における新規代謝経路の発見が可能になります。
• 実験的アクションへの直結: 出力される仮説は、単なる推測ではなく、証拠の欠如箇所が明確に示されているため、酵素アッセイや同位体標識実験など、具体的な次の実験ステップを設計するための指針となります。

本システムは代謝解析に限定されず、不完全だが信頼性の高い証拠グラフと推論能力を持つ AI を組み合わせる必要がある、あらゆる科学分野における「証拠に基づく AI 推論」の新しい標準を示唆しています。