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

現代生物学の広大な風景の中で、科学者たちは、細胞の微細な仕組みと人間の健康というより広い全体像を結びつける方法を長年模索してきました。数十年にわたり、研究は疾患がいかに発生するか、そして既存の薬がいかにそれらと戦うために転用できるかを理解することに重きを置いてきました。このアプローチは生物学的関係の強力な地図を構築してきましたが、これらの地図は、ウェルネス（健康維持）における静かで日常的な側面を見落としがちです。それらは、私たちの代謝の微細な化学的シグネチャーや、個人の特性に影響を与える特定の遺伝的マーカー、そして実際の年齢と比較して私たちの体がどれほど老いているかを定義する複雑なデータを、しばしば見逃しています。ウェルネスに焦点を当てたこれらの詳細を含む完全な全体像がなければ、病気であるときだけでなく、健康な状態において私たちの生物学がどのように機能しているかという物語の全容を把握することは困難なままです。

KRAKENと呼ばれる新しいプロジェクトは、疾患研究と一般的なウェルネスの間の隔たりを埋める、巨大で相互接続された地図を作成することで、この空白を埋めることを目指しています。この研究の背後にいる研究者たちは、既存の地図が治療法を見つけることには優れているものの、人間全体を理解するためには不完全であることを認識しました。これを解決するために、彼らは脂質に関する専門的なデータベース、遺伝的スコア、および標準化された健康測定値を含む、多くの異なるソースから情報を収集するシステムを構築しました。この新しい地図は単に事実を列挙するだけではありません。それは、血液中の分子からDNAの中の遺伝コードに至るまで、異なる種類のデータ間のつながりをコンピュータが追跡できるように、それらを結びつけています。その結果、このツールは、様々な健康とウェルネスの要因がどのように関連しているかを研究者や臨床医が把握することを可能にし、以前の単一の統合されたシステムよりも、人間の生物学に対するより包括的な視点を提供します。

この成果の核心は、多様な生物学的情報の中心ハブとして機能するナレッジグラフです。チームは、いくつかの既存の大型ネットワークと、ポリジェニック・スコアのカタログや生物学的年齢の尺度といったウェルネスに焦点を当てた専門的なソースを組み合わせました。これらの糸を織り交ぜることで、彼らは約1,500万のノード（情報の個々の断片を表す）と、約1億1,300万のエッジ（それらの間の関係を表す）を含む構造を作り上げました。このネットワークは、特定の化学物質や遺伝子から、より広範な健康概念に至るまで、62種類のエンティティ（実体）をカバーしています。この膨大なデータのコレクションが共通の言語を話せるように、研究者たちは、生物医学データの共有と理解を容易にするための国立衛生研究所（NIH）の広範な取り組みと一致する、標準的なセマンティックモデルを使用しました。

このシステムの特筆すべき点は、その柔軟性と効率性にあります。研究者たちは、標準的なコンピューティング・ハードウェア上で動作するほど軽量なビルドプロセスを開発し、ピーク時でも48ギガバイト未満のメモリしか必要としません。この設計により、ユーザーはグラフ全体を迅速に再構築したり、自身の特定の関心領域に関連するデータのみを選択したりすることができます。科学者が特定の代謝経路を研究している場合でも、広範なウェルネスの傾向を探している場合でも、システムは全データセットを処理することなく、その領域に焦点を合わせるように調整可能です。このモジュール性は、このツールが静的で扱いにくいアーカイブではなく、幅広い研究課題に対して実用的かつアクセシブルなものであることを保証しています。

単に情報を蓄積するだけでなく、KRAKENにはユーザーがデータを探索するのを助ける一連のツールが含まれています。これらのツールは「マルチホップ推論」を可能にします。これは、システムが接続の連鎖を辿ることで、一見無関係に見える2つの概念間の間接的な関係を見つけ出すことを意味します。ユーザーは、テキスト、ベクトル、または両方の組み合わせを使用して検索を行い、グラフ内の特定のエンティティやパターンを見つけ出すことができます。また、プラットフォームは濃縮解析（エンリッチメント解析）をサポートしており、これにより、特定のデータのグループが偶然に期待されるよりも頻繁に共に現れるかどうかを特定できます。これらすべての機能は、インタラクティブなウェブインターフェースと標準的なアプリケーション・プログラミング・インターフェース（API）を通じて利用可能であり、人間の研究者と自動化されたシステムの両方にデータを提供しています。

このプロジェクトは、AIエージェントや大規模言語モデルがグラフと直接対話することを可能にする「Model Context Protocol サーバー」という機能も導入しています。この機能により、これらの高度なシステムは、構造化されたデータを消費し、特定のデータセットに対して再学習を行うことなく、複雑な質問に答えたり洞察を生成したりすることができます。データをこのような形で提供することにより、研究者たちは、グラフに含まれるウェルネスとマルチオミクス情報の全容を活用した、新しいタイプの自動分析への扉を開いています。システム全体は一般に無料で公開されており、インターネットに接続していれば誰でもこれらのつながりを探索し、人間の健康とウェルネスに関する理解を深めることに貢献することができます。