[論文レビュー] Genesis: Towards the Automation of Systems Biology Research

Ievgeniia Tiukova, Daniel Brunnsåker+9 more|arXiv (Cornell University)|Aug 20, 2024

Gene Regulatory Network AnalysisBiochemistry, Genetics and Molecular Biology被引用数 3

ひとこと要約

Genesisは、システム生物学のための完全自動化された仮説駆動型ロボット科学者を提案し、1,000台の自動化されたμバイオリアクター、高スループット質量分析のためのAutonoMS、および関係学習のためのLGEM+を統合することで、ゲノムスケール代謝モデルの改善を図った。このシステムは、自動的な帰納的仮説生成とモデルの精錬を実証し、形式論理とFBA統合を用いて最小培地における成長を予測し、2,094件の候補となるモデル改善を同定した。

ABSTRACT

The cutting edge of applying AI to science is the closed-loop automation of scientific research: robot scientists. We have previously developed two robot scientists: `Adam' (for yeast functional biology), and `Eve' (for early-stage drug design)). We are now developing a next generation robot scientist Genesis. With Genesis we aim to demonstrate that an area of science can be investigated using robot scientists unambiguously faster, and at lower cost, than with human scientists. Here we report progress on the Genesis project. Genesis is designed to automatically improve system biology models with thousands of interacting causal components. When complete Genesis will be able to initiate and execute in parallel one thousand hypothesis-led closed-loop cycles of experiment per-day. Here we describe the core Genesis hardware: the one thousand computer-controlled $μ$-bioreactors. For the integrated Mass Spectrometry platform we have developed AutonoMS, a system to automatically run, process, and analyse high-throughput experiments. We have also developed Genesis-DB, a database system designed to enable software agents access to large quantities of structured domain information. We have developed RIMBO (Revisions for Improvements of Models in Biology Ontology) to describe the planned hundreds of thousands of changes to the models. We have demonstrated the utility of this infrastructure by developed two relational learning bioinformatic projects. Finally, we describe LGEM+ a relational learning system for the automated abductive improvement of genome-scale metabolic models.

研究の動機と目的

• 人間主導の仮説サイクルを代替する閉ループ型ロボット科学者を用いて、システム生物学の研究を自動化すること。
• 1日1,000件の仮説駆動型実験サイクルを実行可能なスケーラブルなインfra構築を目的とする。
• AI、ロボティクス、形式的知識表現を用いた自動的で反復的なモデル改善を、ユーラリアス生物（イーストなど）において可能にすること。
• メタボロミクス、トランスクリプトミクスなどのマルチオミクスデータをAI駆動の仮説生成と検証に統合すること。
• AI駆動の自動化が、複雑な生物学的システムにおいて、人間科学者を上回るスピード、コスト、モデルの正確性を達成できることを実証すること。

提案手法

• 本システムは、S. cerevisiaeを対象に、さまざまな条件下で並列実験を実行する1,000台のコンピュータ制御μバイオリアクターのネットワークを用いる。
• AutonoMSは、高スループット質量分析の自動化を実現し、実験実行、データ処理、解析を統合的に担当する。
• Genesis-DBは、生物学的知識と実験データを構造化し、ソフトウェアエージェントがアクセス可能なストレージを提供する。
• RIMBOオントロジーは、数十万件に及ぶモデル改訂提案を形式的に定式化する。
• LGEM+は、SBML形式のゲノムスケール代謝モデル（GEM）を一階論理を用いて論理的理論に変換し、自動的な帰納的推論を可能にする。
• iProverによる帰納的推論は、LGEM+理論に基づき、最小培地における株の成長／非成長を予測し、モデルの正確性を検証する。

実験結果

リサーチクエスチョン

• RQ1 ロボット科学者が、仮説生成、実験、モデル精錬というシステム生物学における完全な閉ループサイクルを自動化できるか？
• RQ2 LLMと関係学習を用いたAI駆動の仮説生成が、生物学的に意味のある、検証可能なモデル改善を生み出せるか？
• RQ3 μバイオリアクターとMSを用いた自動化された高スループット実験が、従来の人間主導のシステム生物学的手法を上回れるか？
• RQ4 形式論理と自動定理証明をどのように活用して、ゲノムスケール代謝モデルの検証と精錬を行うことができるか？
• RQ5 LLMが科学的仮説生成に貢献できる程度はどの程度か、かつ、事実の正確性を損なわないか？

主な発見

• Genesisは、自動的な帰納的仮説生成を実証し、ゲノムスケール代謝モデルの2,094件の独自な候補となるモデル改善を生成した。
• LGEM+システムは、S. cerevisiaeの代謝ネットワークを一階論理理論に成功して形式化し、形式的推論と最小培地における成長／非成長表現型の予測を可能にした。
• iProverを用いたLGEM+論理モデル上の帰納的推論により、成長表現型が正確に予測され、形式的モデルの正しさが検証された。
• フラックスバランス分析（FBA）と論理モデルの統合により、制約ベースのシミュレーションが可能となり、モデルの忠実度と仮説評価の精度が向上した。
• Pfk2遺伝子の差分発現解析を用いたモデル駆動型実験設計戦略が実証され、本システムの標的的かつ仮説駆動型実験の実行能力が示された。
• 本プロジェクトは、完全自動化の基盤を確立した。核心的なハードウェアおよびソフトウェアコンponents（μバイオリアクター、AutonoMS、データベース、オントロジー）が整備され、正常に動作している。