Knowledge Graph-Based Hypothesis Generation and Experimental Validation in Yeast

A ciência muitas vezes parece ser como tentar resolver um enorme quebra-cabeça onde a imagem na caixa está faltando e as peças estão espalhadas por milhares de mesas diferentes. Na biologia, essas peças são fatos sobre como os seres vivos funcionam: quais genes controlam quais proteínas, como as células reagem a substâncias químicas e o que acontece quando uma parte específica de uma célula se quebra. Durante décadas, os cientistas reuniram esses fatos em vastas bibliotecas digitais, mas o volume de informações torna quase impossível para um ser humano olhar para cada peça e adivinhar quais delas se encaixam a seguir. É aqui que entra a ideia de um "grafo de conhecimento". Imagine uma teia gigante e interconectada onde cada fato é um ponto e cada relação entre fatos é uma linha conectando-os. Ao usar programas de computador para estudar a forma desta teia, os pesquisadores podem identificar padrões e prever quais conexões ausentes são mais propensas a serem reais, efetivamente sugerindo novos experimentos antes que um único tubo de ensaio seja tocado.

Esta abordagem é particularmente vital para entender como os organismos sobrevivem ao estresse. A levedura, um fungo minúsculo de célula única, é um dos organismos mais estudados na Terra, servindo como um modelo simples de como células mais complexas, incluindo as nossas, funcionam. As células de levedura enfrentam ameaças constantes de seu ambiente, como produtos químicos tóxicos ou temperaturas extremas. Quando uma célula de levedura encontra um estressor, como vinagre ou álcool, ela depende de genes específicos para ajudar na sobrevivência. Se um gene que é crucial para essa defesa estiver ausente ou quebrado, a célula terá dificuldade em crescer. O desafio para os cientistas é descobrir exatamente quais genes protegem a célula contra quais substâncias químicas específicas. Com milhares de genes e centenas de substâncias químicas, o número de combinações possíveis é astronômico. Testar todos eles manualmente levaria uma vida inteira.

Para enfrentar este problema, uma equipe de pesquisadores da Universidade de Tecnologia de Chalmers e da Universidade de Gotemburgo, na Suécia, construiu um sistema que combina um mapa digital da biologia da levedura com robôs de laboratório automatizados. O objetivo deles era prever quais genes ajudam a levedura a resistir a seis estressores químicos específicos: peróxido de hidrogênio, tunicamicina, cafeína, cloreto de sódio, ácido acético e etanol. Eles começaram alimentando um programa de computador com todos os fatos conhecidos sobre genes, proteínas e reações químicas da levedura em um grafo de conhecimento. Este grafo atua como um banco de dados massivo onde cada informação está ligada a outras. O computador então usou um tipo sofisticado de inteligência artificial, conhecido como rede neural de grafos, para analisar esta teia de conexões. A rede não apenas memorizou os fatos; ela aprendeu a entender a estrutura das relações, usando as conexões conhecidas para adivinhar quais conexões desconhecidas eram mais prováveis de existir. Especificamente, ela procurou por genes que, se removidos, tornariam a levedura mais vulnerável aos seis produtos químicos.

O computador gerou uma lista das apostas mais promissoras, classificando-as pelo quão provável era que fossem verdadeiras. Os pesquisadores selecionaram as trinta e cinco previsões principais para testar no mundo real. Isso incluiu as cinco melhores apostas para cada um dos seis produtos químicos, além de cinco apostas adicionais envolvendo genes pouco compreendidos, variáveis essencialmente desconhecidas no genoma da levedura. Para testar essas ideias, eles usaram uma plataforma de laboratório automatizada chamada Eve. Este sistema robótico lidou com todo o processo com precisão, cultivando milhares de culturas de levedura em poços minúsculos. O robô misturou a levedura com os produtos químicos específicos, monitorou seu crescimento durante vinte e quatro horas e registrou os dados. Ao comparar a velocidade de crescimento da levedura com e sem os produtos químicos, e comparando a levedura mutante (faltando um gene específico) com a levedra normal, a equipe pôde determinar se as previsões do computador estavam corretas.

Os resultados foram um sucesso claro para este método. Das trinta e cinco hipóteses que o computador gerou, dez foram confirmadas pelos experimentos. Isso significa que, para dez pares específicos de gene-produto químico, o computador previu corretamente que a remoção do gene tornaria a levedura significativamente mais fraca quando exposta àquele produto químico. A taxa de sucesso variou dependendo do produto químico. Para o peróxido de hidrogênio, um produto químico reativo que danifica as células, quatro das cinco principais previsões estavam corretas. Para a cafeína e o ácido acético, duas de cinco foram confirmadas. Para o cloreto de sódio e a tunicamicina, uma de cinco foi confirmada. Surpreendentemente, nenhuma das cinco previsões para o etanol foi sustentada pelos dados. Uma das descobertas mais interessantes envolveu um gene que era anteriormente um mistério, sem função clara atribuída a ele. O computador previu que este gene desconhecido era importante para resistir à tunicamicina, e o experimento provou estar certo, mostrando uma queda significativa no crescimento quando o gene estava ausente. Isso sugere que o computador pode encontrar novos insights biológicos mesmo para genes sobre os quais os cientistas sabem muito pouco.

O estudo também revelou algo sobre como a levedura lida com o estresse. Os genes que o computador identificou com sucesso estavam frequentemente envolvidos na construção ou manutenção das camadas externas da célula e de seus sistemas de transporte interno. Por exemplo, um dos achados mais fortes envolveu um gene chamado GET2, que ajuda a inserir proteínas na membrana interna da célula. Quando este gene foi removido, a levedura sofreu uma queda massiva de 83,4% em sua capacidade de crescer sob estresse de peróxido de hidrogênio. Outra previsão bem-sucedida envolveu um gene chamado CAX4, que ajuda a processar açúcares ligados a proteínas. Quando este gene estava ausente, a levedura teve dificuldades significativas sob estresse de cafeína, mostrando uma queda de 44% no fitness. Estes resultados sugerem que a capacidade da célula de gerenciar sua estrutura interna e transportar materiais é crítica para sobreviver a ataques químicos. No entanto, os pesquisadores observaram que as pontuações de confiança do computador não correspondiam perfeitamente aos resultados do mundo real. Embora o computador tenha dado pontuações altas para muitas previsões, apenas cerca de 30% das principais apostas para os produtos químicos alvo revelaram-se corretas. Isso indica que, embora o sistema seja bom em restringir as possibilidades, ainda não consegue prever o resultado com certeza absoluta.

Para garantir que este novo conhecimento seja preservado e útil para futuros cientistas, a equipe desenvolveu uma forma de registrar todo o processo, incluindo tanto os sucessos quanto os fracassos. Eles estenderam um framework digital chamado RIMBO, que é projetado para rastrear como os modelos científicos mudam ao longo do tempo. Neste sistema, cada experimento é registrado com sua evidência. Se uma hipótese foi sustentada, a nova conexão é adicionada ao grafo de conhecimento digital. Se uma hipótese não foi sustentada, ela não é descartada; em vez disso, é registrada como uma tentativa falha com todos os dados anexados. Isso cria um histórico transparente de descoberta, permitindo que pesquisadores futuros vejam não apenas o que é conhecido, mas o que foi testado e descartado. Esta abordagem transforma o processo científico em um ciclo contínuo: o computador faz uma suposição, o robô testa, os resultados são registrados e o conhecimento atualizado é alimentado de volta no sistema para fazer suposições melhores na próxima vez.

O estudo demonstra que combinar inteligência artificial com experimentação automatizada é uma forma poderosa de navegar pela complexidade da biologia. Ao usar um grafo de conhecimento para priorizar quais experimentos realizar, os cientistas podem focar seus esforços nas pistas mais promissoras, economizando tempo e recursos. Embora o sistema não seja perfeito e ainda exija supervisão humana e investigação adicional, ele identificou com sucesso novas relações entre genes e produtos químicos que eram anteriormente desconhecidas. O trabalho destaca que, mesmo em um campo tão complexo quanto a biologia, dados estruturados e aprendizado de máquina podem guiar a descoberta, transformando um amontoado caótico de fatos em um mapa navegável do funcionamento interno da vida. Os pesquisadores planejam usar estas descobertas para explorar as interações sustentadas mais a fundo, potencialmente usando outros tipos de dados para entender exatamente como estes genes protegem a célula. Por enquanto, o estudo serve como uma prova de que computadores podem ajudar os cientistas a fazer as perguntas certas, mesmo que as respostas ainda requeiram o toque cuidadoso de um laboratório.