Knowledge Graph-Based Hypothesis Generation and Experimental Validation in Yeast

科学往往感觉像是试图解决一个巨大的拼图游戏，但盒子上缺失了原图，而碎片则散落在成千上万张不同的桌子上。在生物学中，这些碎片是关于生命体如何运作的事实：哪些基因控制哪些蛋白质，细胞如何对化学物质做出反应，以及当细胞的特定部分损坏时会发生什么。几十年来，科学家们已经将这些事实收集到庞大的数字图书馆中，但信息的巨大规模使得人类几乎不可能观察每一个碎片并猜测哪些碎片下一步会契合在一起。这就是“知识图谱”概念出现的地方。想象一个巨大的、互联的网络，每一个事实都是一个点，而事实之间的每种关系都是连接它们的线。通过使用计算机程序来研究这个网络的形状，研究人员可以发现模式，并预测哪些缺失的连接最有可能成为现实，从而有效地在进行任何试管实验之前就提出新的实验建议。

这种方法对于理解生物体如何应对压力尤为重要。酵母，一种微小的单细胞真菌，是地球上研究最广泛的生命形式之一，它作为一种简单的模型，展示了包括人类在内的更复杂细胞是如何运作的。酵母细胞面临着来自环境的持续威胁，例如有毒化学物质或极端温度。当酵母细胞遇到像醋或酒精这样的压力源时，它依赖特定的基因来帮助其生存。如果一个对这种防御至关重要的基因缺失或损坏，细胞就会难以生长。挑战在于，科学家需要弄清楚究竟哪些基因保护细胞免受哪些特定化学物质的影响。由于拥有数以千计的基因和数百种化学物质，可能的组合数量是天文数字。靠手工测试所有这些组合将耗费一生。

为了解决这个问题，瑞典查尔姆斯理工大学和哥德堡大学的一个研究小组构建了一个结合了酵母生物学数字地图与自动化实验室机器人的系统。他们的目标是预测哪些基因有助于酵母抵抗六种特定的化学压力源：过氧化氢、妥宁霉素、咖啡因、氯化钠、乙酸和乙醇。他们首先将关于酵母基因、蛋白质和化学反应的所有已知事实输入到一个知识图谱中。这个图谱就像一个巨大的数据库，其中每一条信息都与其他信息相连。然后，计算机使用一种被称为“图神经网络”的高级人工智能来观察这个连接网络。该网络不仅仅是记忆事实；它学会了理解关系的结构，利用已知的连接来推测哪些未知的连接最有可能存在。具体来说，它寻找那些如果被移除会导致酵кси亚变得更脆弱的基因。

计算机生成了一份最有希望的猜测名单，并按其真实的可能性进行排名。研究人员选择了前三十五个预测进行现实世界的测试。这包括针对六种化学物质中每种的最佳五个猜测，外加五个涉及功能尚不明确的基因（即酵母基因组中未知的变量）的额外猜测。为了测试这些想法，他们使用了一个名为 Eve 的自动化实验室平台。这个机器人系统精准地处理了整个过程，在微孔中培养了数千个酵母培养物。机器人将酵母与特定化学物质混合，监测其生长二十四小时，并记录数据。通过比较有无化学物质时的酵母生长速度，以及比较突变酵母（缺失特定基因）与正常酵母，团队可以确定他们的计算机预测是否正确。

结果证明这种方法取得了明显的成功。在计算机生成的三十五个假设中，有十个得到了实验证实。这意味着对于十个特定的“基因-化学物质”对，计算机正确地预测了移除该基因会使酵母在暴露于该化学物质时显著变弱。成功率因化学物质而异。对于破坏细胞的反应性化学物质过氧化氢，五个最佳预测中有四个是正确的。对于咖啡因和乙酸，五个中有两个得到证实。对于氯化钠和妥宁霉素，五个中有一个被证实。令人惊讶的是，关于乙醇的五个预测中没有一个得到了数据的支持。一个最有趣的发现涉及一个此前仍是谜团、没有明确功能的基因，计算机预测该未知基因对抵抗妥宁霉素很重要，实验证明它是正确的，显示出当该基因缺失时生长显著下降。这表明计算机即使对于科学家知之甚少的基因，也能发现新的生物学见解。

这项研究还揭示了关于酵母如何处理压力的信息。计算机成功识别出的基因通常涉及构建或维持细胞外层及其内部运输系统。例如，一个最强有力的发现涉及一个名为 GET2 的基因，它负责将蛋白质插入细胞的内部膜中。当该基因被移除时，酵母在过氧化氢压力下的生长能力大幅下降了 83.4%。另一个成功的预测涉及一个名为 CAX4 的基因，它有助于处理附着在蛋白质上的糖类。当该基因缺失时，酵母在咖啡因压力下表现挣扎，适应度下降了 44%。这些结果表明，细胞管理其内部结构和运输材料的能力对于在化学攻击中生存至关重要。然而，研究人员指出，计算机的置信度评分并不完全符合现实世界的结果。虽然计算机对许多预测给出了高分，但其前列猜测中只有约 30% 在目标化学物质中被证实。这表明，虽然该系统擅长缩小可能性范围，但目前还无法百分之百准确地预测结果。

为了确保这一新知识能够被保存并造福未来的科学家，团队开发了一种记录整个过程的方法，包括成功和失败。他们扩展了一个名为 RIMBO 的数字框架，该框架旨在追踪科学模型随时间的变化。在这个系统中，每一次实验都会连同其证据一起被记录。如果一个假设得到了支持，新的连接就会被添加到数字知识图中。如果一个假设未得到支持，它并不会被丢弃；相反，它会被记录为一个带有所有相关数据的失败尝试。这创造了一个透明的发现历史，允许未来的研究人员不仅看到已知的事实，还能看到哪些已经被测试并排除。这种方法将科学过程变成了一个连续的循环：计算机做出猜测，机器人进行测试，结果被记录，然后更新后的知识被反馈回系统，以做出更好的猜测。

这项研究表明，将人工智能与自动化实验相结合是应对生物学复杂性的强大方式。通过使用知识图谱来优先排序应进行的实验，科学家可以专注于最有希望的研究方向，从而节省时间和资源。虽然该系统并不完美，仍需要人工监督和进一步调查，但它成功识别了基因与化学物质之间此前未知的关系。这项工作强调了即使在生物学这样复杂的领域，结构化数据和机器学习也可以引导发现，将混乱的事实堆积转化为可导航的生命内在运作图谱。研究人员计划利用这些发现进一步探索受支持的相互作用，可能使用其他类型的数据来了解这些基因究竟是如何保护细胞的。目前，这项研究证明了计算机可以帮助科学家提出正确的问题，即便答案仍然需要实验室细致的触碰。