Großbritannien: LLMs ermöglichen teilautomatisierte Erstellung biochemischer Netzwerke
Eine aktuelle Untersuchung hat gezeigt, dass allgemeine große Sprachmodelle (LLMs) in der Lage sind, einen bedeutenden Teil biochemischer Netzwerkreaktionen zu generieren und damit die Grundlage für automatisierte Modellierung zu legen. Die Analyse ergab, dass die Modelle 24–65 % der Literatur‑curated Signalnetzwerke für Herzmuskelhypertrophie, Myofibroblastenaktivierung und Mechanosignalisierung reproduzieren konnten, während sie bei einem Kern‑Metabolismus‑netzwerk von Escherichia coli 64–91 % der Reaktionen lieferten.
Hintergrund
Computergestützte Modelle biochemischer Netzwerke dienen dazu, zelluläre Entscheidungen anhand molekularer Signale vorherzusagen. Traditionell erfordert die Zusammenstellung solcher Modelle eine zeitintensive manuelle Durchsicht unvollständiger Fachliteratur, was die Skalierbarkeit einschränkt.
Methodik
Die Forschenden setzten generische LLMs ein, um sowohl Signal‑ als auch Stoffwechselnetzwerke zu rekonstruieren. Für die Signalnetzwerke wurden Daten zu Herzmuskelhypertrophie, Myofibroblastenaktivierung und Mechanosignalisierung verwendet. Beim Stoffwechselansatz wurde das Kern‑Metabolismus‑netzwerk von Escherichia coli als Referenz herangezogen. Anschließend wurden logikbasierte Modelle aus den generierten Netzwerken gebaut und deren Vorhersagegenauigkeit gegenüber experimentellen Perturbationen getestet.
Ergebnisse – Signalnetzwerke
Die LLMs lieferten zwischen 24 % und 65 % der bekannten Reaktionen der Literatur‑curated Netzwerke. Die daraus abgeleiteten logikbasierten Modelle sagten die Reaktion auf Störungen mit einer Genauigkeit von 6 % bis 33 % voraus, was auf eine moderate, aber noch ausbaufähige Leistungsfähigkeit hinweist.
Ergebnisse – Stoffwechselnetzwerk
Im Bereich des Stoffwechsels erreichten die Modelle eine Abdeckung von 64 % bis 91 % der Kernreaktionen des E‑coli‑Netzwerks. Die Fähigkeit, Substrat‑Nutzungen vorherzusagen, variierte stark, was auf unterschiedliche Modellierungs‑ und Daten‑Komplexitäten zurückzuführen ist.
Bedeutung und Ausblick
Die Autoren betonen, dass die aktuelle Generation generischer LLMs biochemische Netzwerke mit mäßiger Genauigkeit erzeugen kann, jedoch noch nicht die Präzision traditioneller, manuell kuratierter Modelle erreicht. Sie stellen jedoch eine vielversprechende Basis für die Automatisierung zukünftiger Netzwerk‑Aufbauten dar.
„Unsere Ergebnisse zeigen, dass LLMs als unterstützende Werkzeuge in der Systembiologie eingesetzt werden können, vorausgesetzt, sie werden durch gezielte Benchmark‑ und Optimierungsverfahren weiter verfeinert“, erklärte ein führender Forscher der Studie.
Die Veröffentlichung liefert zudem eine standardisierte Pipeline und Benchmarks, die anderen Wissenschaftlern ermöglichen, die Leistungsfähigkeit von LLM‑basierten Netzwerk‑Ansätzen zu evaluieren und zu verbessern.
Dieser Bericht basiert auf Informationen von eLife, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung