Knowledge Graph-Based Hypothesis Generation and Experimental Validation in Yeast

Wetenschap voelt vaak als het proberen op te lossen van een enorme legpuzzel waarbij de afbeelding op de doos ontbreekt en de stukjes verspreid liggen over duizenden verschillende tafels. In de biologie zijn deze stukjes feiten over hoe levende organismen werken: welke genen welke eiwitten aansturen, hoe cellen reageren op chemicaliën, en wat er gebeurt wanneer een specifiek onderdeel van een cel defect raakt. Decennialang hebben wetenschappers deze feiten verzameld in enorme digitale bibliotheken, maar de enorme hoeveelheid informatie maakt het voor een mens bijna onmogelijk om naar elk stukje te kijken en te raden welke als volgende in elkaar passen. Hier komt het idee van een "knowledge graph" (kennisgrafiek) om de hoek kijken. Stel je een gigantisch, onderling verbonden web voor waarbij elk feit een stip is, en elke relatie tussen feiten een lijn die hen verbindt. Door computereprogramma's te gebruiken om de vorm van dit web te bestuderen, kunnen onderzoekers patronen herkennen en voorspellen welke ontbrekende verbindingen het meest waarschijnlijk echt zijn, wat effectief nieuwe experimenten suggereert voordat er ook maar één reageerbuis wordt aangeraakt.

Deze aanpak is bijzonder cruciaal voor het begrijpen van hoe organismen overleven onder stress. Gist, een kleine eencellige schimmel, is een van de meest bestudeerde levensvormen op aarde en dient als een eenvoudig model voor hoe complexere cellen, inclusief de onze, functioneren. Gistcellen worden geconfronteerd met constante bedreigingen vanuit hun omgeving, zoals giftige chemicaliën of extreme temperaturen. Wanneer een gistcel een stressfactor tegenkomt zoals azijn of alcohol, vertrouwt deze op specifieke genen om te overleven. Als een gen dat cruciaal is voor deze verdediging ontbreekt of defect is, zal de cel moeite hebben met groeien. De uitdaging voor wetenschappers is om uit te zoekenken precies welke genen de cel beschermen tegen welke specifieke chemicaliën. Met duizenden genen en honderden chemicaliën is het aantal mogelijke combinaties astronomisch. Het handmatig testen van al deze combinaties zou een leven lang duren.

Om dit probleem aan te pakken, bouwde een team van onderzoekers aan de Chalmers University of Technology en de Universiteit van Göteborg in Zweden een systeem dat een digitale kaart van de gistbiologie combineert met geautomatiseerde laboratoriumrobots. Hun doel was om te voorspellen welke genen gist helpen te weerstaan tegen zes specifieke chemische stressfactoren: waterstofperoxide, tunicamycine, cafeïne, natriumchloride, azijnzuur en ethanol. Ze begonnen door een computerprogramma alle bekende feiten over gistgenen, eiwitten en chemische reacties in een kennisgrafiek te voeren. Deze grafiek fungeert als een enorme database waar elk stukje informatie met andere zaken is verbonden. De computer gebruikte vervolgens een geavanceerd type kunstmatige intelligentie, bekend als een graph neural network (grafisch neuraal netwerk), om naar dit web van verbindingen te kijken. Het netwerk memoriseerde niet alleen de feiten; het leerde de structuur van de relaties te begrijpen, waarbij het de bekende verbindingen gebruikte om te raden welke onbekende verbindingen het meest waarschijnlijk zouden bestaan. Specifiek zocht het naar genen die, indien verwijderd, de gist kwetsbaarder zouden maken voor de zes chemicaliën.

De computer genereerde een lijst met de meest veelbelovende gissingen, gerangschikt op basis van hoe waarschijnlijk ze waren om waar te zijn. De onderzoekers selecteerden de bovenste vijfendertig voorspellingen om in de echte wereld te testen. Dit omvatte de vijf beste gissingen voor elk van de zes chemicaliën, plus vijf aanvullende gissingen waarbij genen betrokken waren die slecht begrepen waren, in feite onbekende variabelen in het gistgenoom. Om deze ideeën te testen, gebruikten ze een geautomatiseerd laboratoriumplatform genaamd Eve. Dit robotsysteem regelde het hele proces met precisie, waarbij het duizenden gistculturen in kleine putjes kweekte. De robot mengde de gist met de specifieke chemicaliën, monitorde de groei gedurende vierentwintig uur en legde de gegevens vast. Door de snelheid waarmee de gist groeide met en zonder de chemicaliën te vergelijken, en door de mutantgist (waarbij een specifiek gen ontbreekt) te vergelijken met de normale gist, kon het team bepalen of hun computervoorspellingen correct waren.

De resultaten waren een duidelijk succes voor deze methode. Van de vijfendertig hypothesen die de computer genereerde, werden er tien bevestigd door de experimenten. Dit betekent dat voor tien specifieke gen-chemische paren de computer correct voorspelde dat het verwijderen van het gen de gist aanzienlijk zwakker zou maken bij blootstelling aan die chemische stof. Het succespercentage varieerde afhankelijk van de chemische stof. Voor waterstofperoxide, een reactieve chemische stof die cellen beschadigt, waren vier van de vijf topvoorspellingen correct. Voor cafeïne en azijnzuur waren twee van de vijf bevestigd. Voor natriumchloride en tunicamycine werd één van de vijf bevestigd. Verrassend genoeg werd geen van de vijf voorspellingen voor ethanol ondersteund door de gegevens. Een van de meest interessante bevindingen betrof een gen dat voorheen een mysterie was, met geen duidelijke functie toegewezen. De computer voorspelde dat dit onbekende gen belangrijk was voor het weerstaan van tunicamycine, en het experiment bewees dit door een significante daling in groei te tonen wanneer het gen ontbrak. Dit suggereert dat de computer zelfs nieuwe biologische inzichten kan vinden voor genen waar wetenschappers nog heel weinig van weten.

De studie onthulde ook iets over hoe gist met stress omgaat. De genen die de computer succesvol identificeerde, waren vaak betrokken bij het bouwen of onderhouden van de buitenste lagen van de cel en de interne transportsystemen. Bijvoorbeeld, een van de sterkste bevindingen betrof een gen genaamd GET2, dat helpt bij het invoegen van eiwitten in het interne membraan van de cel. Wanneer dit gen werd verwijderd, leed de gist onder een enorme daling van 83,4% in zijn vermogen om te groeien onder waterstofperoxide-stress. Een andere succesvolle voorspelling betrof een gen genaamd CAX4, dat helpt bij het verwerken van suikers die aan eiwitten zijn gehecht. Wanneer dit gen ontbrak, had de gist aanzienlijke problemen onder cafeïne-stress, met een daling in fitness van 44%. Deze resultaten suggereren dat het vermogen van de cel om de interne structuur te beheren en materialen te transporteren cruciaal is voor het overleven van chemische aanvallen. Echter, de onderzoekers merkten op dat de betrouwbaarheidsscores van de computer niet perfect overeenkwamen met de resultaten in de echte wereld. Hoewel de computer hoge scores gaf aan veel voorspellingen, bleek slechts ongeveer 30% van de topgissingen voor de doelchemicaliën correct te zijn. Dit geeft aan dat het systeem weliswaar goed is in het beperken van de mogelijkheden, maar nog niet in staat is om de uitkomst met absolute zekerheid te voorspellen.

Om ervoor te zorgen dat deze nieuwe kennis behouden blijft en nuttig is voor toekomstige wetenschappers, ontwikkelde het team een manier om het hele proces vast te leggen, inclusief zowel de successen als de mislukkingen. Ze breidden een digitaal framework genaamd RIMBO uit, dat is ontworpen om bij te houden hoe wetenschappelijke modellen in de loop van de tijd veranderen. In dit systeem wordt elk experiment gelogd met het bijbehorende bewijs. Als een hypothese werd ondersteund, wordt de nieuwe verbinding toegevoegd aan de digitale kennisgrafiek. Als een hypothese niet werd ondersteund, wordt deze niet weggegooid; in plaats daarvan wordt het geregistreerd als een mislukte poging met alle bijbehorende gegevens. Dit creëert een transparante geschiedenis van ontdekkingen, waardoor toekomstige onderzoekers niet alleen kunnen zien wat bekend is, maar ook wat is getest en uitgesloten. Deze aanpak verandert het wetenschappelijke proces in een continue lus: de computer doet een gok, de robot test het, de resultaten worden vastgelegd, en de bijgewerkte kennis wordt teruggevoerd in het systeem om betere gokken te doen de volgende keer.

De studie demonstreert dat het combineren van kunstmatige intelligentie met geautomatiseerde experimentatie een krachtige manier is om de complexiteit van de biologie te navigeren. Door een kennisgrafiek te gebruiken om te prioriteren welke experimenten uitgevoerd moeten worden, kunnen wetenschappers hun inspanningen richten op de meest veelbelovende sporen, waardoor ze tijd en middelen besparen. Hoewel het systeem niet perfect is en nog steeds menselijk toezicht en verder onderzoek vereist, heeft het succesvol nieuwe relaties geïdentificeerd tussen genen en chemicaliën die voorheen onbekend waren. Het werk benadrukt dat zelfs in een veld zo complex als de biologie, gestructureerde gegevens en machine learning de ontdekking kunnen sturen, waardoor een chaotische stapel feiten wordt omgezet in een navigeerbare kaart van de innerlijke werking van het leven. De onderzoekers zijn van plan deze bevindingen te gebruiken om de ondersteunde interacties verder te verkennen, mogelijk door andere soorten gegevens te gebruiken om precies te begrijpen hoe deze genen de cel beschermen. Voor nu staat de studie als een bewijs dat computers wetenschappers kunnen helpen de juiste vragen te stellen, zelfs als de antwoorden nog steeds de zorgvuldige aanraking van een laboratorium vereisen.