[논문 리뷰] Genesis: Towards the Automation of Systems Biology Research

Ievgeniia Tiukova, Daniel Brunnsåker외 9명|arXiv (Cornell University)|2024. 08. 20.

Gene Regulatory Network AnalysisBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

Genesis는 체계생물학을 위한 완전 자동화된 가설 기반 로봇 과학자를 제안하며, 1,000대의 자동 제어 μ생물반응기, 고속 질량분석을 위한 AutonoMS, 그리고 관계학습을 위한 LGEM+를 통합하여 생체대사모델의 정교화를 향상시킨다. 이는 자동화된 추론 기반 가설 생성과 모델 개선을 실현하였으며, 공식 논리와 FBA 통합을 통해 최소 배지에서의 성장 예측과 2,094개의 후보 모델 개선 사항을 도출하였다.

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.

연구 동기 및 목표

• 인간 주도의 가설 순환 과정을 대체하기 위해 닫힌 루프 로봇 과학자를 도입하여 체계생물학 연구를 자동화한다.
• 체계생물학에서 매일 1,000개의 가설 기반 실험 순환을 수행할 수 있는 확장 가능한 인프라를 개발한다.
• 인공지능, 로봇공학, 공식 지식 표현을 활용한 자동 반복적 모델 개선을 통해 효모와 같은 진핵생물계 시스템에서의 연구를 가능하게 한다.
• 대량 유전체학 데이터(대사체학, 전사체학)를 인공지능 기반 가설 생성 및 검증과 통합한다.
• 인공지능 기반 자동화가 복잡한 생물학적 시스템에서 인간 과학자보다 빠르고 저렴하며 더 정확한 모델 정확도를 달성할 수 있음을 입증한다.

제안 방법

• 시스템은 S. cerevisiae를 다양한 조건에서 병렬 실험하기 위해 1,000대의 컴퓨터 제어 μ생물반응기 네트워크를 사용한다.
• AutonoMS는 고속 질량분석을 자동화하며, 실험 실행, 데이터 처리, 분석을 포함한다.
• Genesis-DB는 생물학적 지식과 실험 데이터를 구조화하고 소프트웨어 에이전트가 접근할 수 있도록 저장한다.
• RIMBO 온톨로지는 생물학적 모델의 수정 제안 수천만 건을 공식화한다.
• LGEM+는 SBML 형식의 생체대사모델(GEMs)을 일阶논리로 변환하여 자동 추론 기반의 가설 생성을 가능하게 한다.
• LGEM+ 이론에 기반한 iProver를 통한 연역 추론은 최소 배지에서의 생장/비생장 표현형을 정확히 예측하여 모델 정확도를 검증한다.

실험 결과

연구 질문

• RQ1 로봇 과학자가 체계생물학에서 가설 생성, 실험, 모델 정교화의 전반적인 닫힌 루프 순환을 자동화할 수 있는가?
• RQ2 LLM과 관계학습을 통한 인공지능 기반 가설 생성이 생물학적으로 의미 있고 검증 가능한 모델 개선을 이끌 수 있는가?
• RQ3 μ생물반응기와 질량분석을 활용한 자동 고속 실험은 전통적인 인간 주도의 체계생물학 접근 방식을 능가할 수 있는가?
• RQ4 공식 논리와 자동 정리 증명은 어떻게 생체대사모델의 검증 및 정교화에 활용될 수 있는가?
• RQ5 LLM은 사실 정확도를 훼손하지 않으면서 과학적 가설 생성에 얼마나 기여할 수 있는가?

주요 결과

• Genesis는 자동화된 추론 기반 가설 생성을 실현하였으며, 생체대사모델에 대해 2,094개의 고유한 후보 모델 개선 사항을 도출하였다.
• LGEM+ 시스템은 S. cerevisiae의 대사 네트워크를 일阶논리 이론으로 성공적으로 인코딩하여 공식적 추론과 최소 배지에서의 생장/비생장 표현형 예측을 가능하게 하였다.
• LGEM+ 논리 모델에 기반한 iProver를 통한 연역 추론은 생장 표현형을 정확히 예측하여 공식 모델의 정확성을 검증하였다.
• 유속균형 분석(FBA)과 논리 모델의 통합은 제약 기반 시뮬레이션을 가능하게 하여 모델의 정밀도와 가설 평가의 정확도를 향상시켰다.
• PFK2 유전자에 대한 차별적 발현 분석을 통한 모델 기반 실험 설계 전략이 성공적으로 구현되어, 시스템의 타겟팅된 가설 기반 실험 수행 능력을 입증하였다.
• 핵심 하드웨어 및 소프트웨어 구성 요소(μ생물반응기, AutonoMS, 데이터베이스, 온톨로지)가 구축되고 기능함을 통해 전면 자동화의 기반을 마련하였다.