Como o aprendizado de máquina escolhe o próximo lote de genes em uma triagem CRISPR

Um mapa construído com base em acertos anteriores, e não nas vias descritas nos manuais

O ponto de partida não vem dos manuais. Ele é aprendido a partir de resultados antigos de triagem. Nesses registros, alguns genes aparecem como acertos em um ensaio e falham em outro. O sistema trata cada gene como um ponto em um espaço pequeno, de 10 dimensões. Dois genes ficam próximos quando tendem a surgir juntos como alvos nos mesmos tipos de telas. Essa é a ideia central: geometria de co-acerto, não pertencimento a vias metabólicas.

O material bruto era extenso, porém incompleto. Ele cobriu 1.349 triagens de treinamento e 23.724 genes. Apenas cerca de 64% dos pares possíveis de tela-gene tinham um resultado registrado. A taxa geral de acerto foi de apenas 7,3%. As entradas ausentes não foram tratadas como falhas. Ficaram desconhecidas. Isso importa porque um gene não testado não é a mesma coisa que um negativo.

Um método de completude de matriz preencheu a estrutura faltante. Ele estimou fatores ocultos para as telas e os genes, e então usou esses fatores para posicionar cada gene. Genes sem histórico receberam uma posição neutra mais um pequeno viés baseado na sua frequência geral de acerto. O resultado foi um mapa do comportamento compartilhado nas triagens.

Quando esse mapa é examinado, ele não parece com um diagrama de via metabólica. Membros do mesmo complexo proteico ou da mesma via Reactome estão espalhados. Em vez disso, os genes se agrupam por fenótipo de tela. Um grupo contém genes essenciais comuns. Outros correspondem a genes essenciais contextuais e essencialmente seletivos, resposta imune ou viral, apoptose e vários padrões de resposta ao dano no DNA. O mapa captura o que tende a ser atingido junto em ensaios reais.

O treinamento mal move o mapa. As similaridades pareadas antes e depois do treinamento correlacionam-se em 0,999. Mais de 95% dos vizinhos mais próximos de cada gene permanecem inalterados durante o ajuste fino por aprendizado por reforço. Os embeddings iniciais aleatórios são quase completamente reorganizados. Alguns embeddings baseados em biologia permanecem estáveis, mas ainda têm desempenho ruim. A propriedade útil não é apenas a estabilidade. É que o mapa de co-acerto já está alinhado com a descoberta adaptativa de alvos.

Do feedback da bancada a cada rodada para uma seleção mais precisa de genes

Cada rodada de um ensaio genético devolve uma lista curta de vencedores e perdedores. O modelo trata esses rótulos como nova evidência, não como ruído a ser ignorado. Para cada gene testado, ele armazena duas componentes aprendidas: uma descreve o que é o gene, a outra indica se houve acerto naquele ensaio específico. Essas componentes são combinadas antes de entrarem no transformer.

A descrição do experimento também passa por codificação. Um codificador de texto congelado converte palavras em números, e um mapeamento linear projeta esses valores para o mesmo espaço da história dos genes. Após o processamento pelo transformer, um único vetor agregado resume tudo o que foi aprendido até aquele momento. Esse vetor de contexto pontua todos os genes ainda não testados. A pontuação compara o contexto com o embedding próprio de cada gene por meio de um termo bilinear, somado a um pequeno viés individual para cada gene. O próximo lote consiste simplesmente nos 100 genes mais bem pontuados que ainda não foram testados.

Esse ciclo é fundamental porque uma única rodada raramente conta toda a história. Um gene pode parecer promissor apenas depois que outro acerto revela uma via metabólica. Por isso, o treinamento utiliza históricos parciais simulados de diferentes tamanhos. Para cada ensaio, até 1.024 genes são revelados como contexto observado. Em alguns casos, o subconjunto é sorteado novamente para garantir a inclusão de pelo menos um acerto, mantendo outro verdadeiro acerto oculto. Isso força o modelo a aprender com feedback informativo, e não apenas com casos fáceis.

O treinamento supervisionado ensina primeiro uma regra simples: dado o que já foi visto, prever quais genes ainda não vistos resultarão em acertos. A função de perda equilibra os pesos entre acertos e não-acertos. O aprendizado por reforço leva o processo mais longe. Ele simula campanhas completas com múltiplas rodadas, em vez de previsões isoladas passo a passo. Para cada ensaio, geram-se oito trajetórias (rollouts) para que o modelo possa comparar diferentes caminhos através do mesmo teste. Novo ruído de amostragem é adicionado a cada etapa, fazendo com que as trajetórias diverjam à medida que mais evidência se acumula.

A recompensa compara a política atual com uma linha de base congelada que ignora o feedback observado. Esse sinal de delta de contexto isola qual melhoria decorre do uso dos resultados laboratoriais. Ele supera um objetivo que apenas recompensa o enriquecimento final de acertos: a versão baseada em delta atinge um fator de enriquecimento de 4,83, enquanto o treinamento por enriquecimento terminal cai para 4,29. A razão é simples. Uma pontuação final não consegue distinguir quais escolhas foram beneficiadas por rótulos anteriores.

Remover a descrição do ensaio reduz modestamente o enriquecimento, de 4,83 para 4,52. Isso sugere que padrões aprendidos entre diferentes ensaios carregam grande parte da orientação inicial. Ainda assim, o feedback é mais importante quando um novo teste começa e o modelo precisa atualizar suas previsões rodada a rodada.

Avaliar se as escolhas são eficazes, precisas ou fruto do acaso

As escolhas úteis são avaliadas dentro de um orçamento rígido. O fator de enriquecimento considera apenas três tipos de seleções: genes da biblioteca histórica de triagens, nomes de genes inventados e vagas vazias no lote. Genes reais válidos que estão fora dessa biblioteca antiga não ajudam a normalizar a pontuação. Isso impede que o sistema pareça bom ao listar muitos genes plausíveis, mas nunca medidos.

A curva nAUC acompanha os acertos cumulativos à medida que mais da biblioteca é efetivamente consultada. Uma vaga não preenchida não faz a curva avançar. Se uma política deixa lotes vazios, ela para cedo em vez de ser completada até o orçamento total. A curva é normalizada por um oráculo que encontra todos os acertos primeiro, dentro do mesmo orçamento efetivo. A seleção aleatória dá aproximadamente a taxa de acerto da triagem quando menos do que todos os acertos são obtidos.

A recuperação da fração de acertos usa apenas as aquisições dentro da biblioteca como possíveis acertos. Genes fora da biblioteca e nomes inventados não podem contribuir. O déficit conta tanto genes reais fora da biblioteca histórica quanto nomes de genes fabricados. Um alto déficit significa que muitas sugestões não podem ser verificadas contra evidências de ensaios passados.

Um diagnóstico separado pergunta se o sucesso vem de biologia genérica de morte celular. Ele usa 1.827 genes essenciais comuns do DepMap. Se a maioria dos acertos recuperados são esses genes amplamente letais, o enriquecimento pode refletir uma vulnerabilidade ampla em vez de um sinal específico da triagem. As melhores configurações do AssayLoop ficam entre 29 e 35 por cento nessa medida. Uma linha de base de acerto anterior atinge 99,1 por cento. A seleção aleatória é de 18,6 por cento.

Sinais direcionais ocultos nas preferências do modelo

O modelo não vê os genes como rótulos isolados. Ele aprende preferências que mudam conforme outros genes são identificados como alvos. Para revelar esse mecanismo, o sistema foi submetido a testes controlados: um gene era marcado como alvo e um conjunto aleatório de 50 genes já testados servia de fundo. Em seguida, mediu-se a pontuação de outro gene-alvo. O procedimento se repetiu com dez fundos diferentes, sempre utilizando uma descrição genérica de triagem essencial.

O resultado não é um simples mapa de amizades. Se o gene A torna o gene B mais atraente, isso não implica que B faça o mesmo com A. A matriz de influência apresenta correlação de apenas 0,16 com sua imagem espelhada, o que indica uma quase ausência total de simetria. Em 44% dos pares recíprocos, as duas direções apontam para lados opostos: uma eleva a pontuação do alvo, enquanto a outra a reduz.

Um exemplo concreto ilustra essa assimetria. Quando MDM2 foi tratado como alvo, a pontuação de PFDN4 subiu 0,33, um aumento modesto. Porém, quando PFDN4 foi o alvo, a pontuação de MDM2 caiu 0,46. O mesmo par, invertido, produz sinais opostos e magnitudes diferentes. Isso significa que o modelo armazena pistas direcionais sobre qual resultado deve alterar quais escolhas posteriores.

Essas pistas não são apenas cópias da biologia dos manuais. Pares já catalogados em grandes bancos de dados de interações e vias foram excluídos, mas padrões fortes permaneceram. Alguns se assemelhavam a co-essencialidade ou letalidade sintética: após acertos de MYC, o modelo priorizou mais genes do spliceossomo. Após acertos de MDM2, inclinou-se para genes de estresse nucleolar. Outros padrões sugeriam mascaramento ou exclusão: após acertos de PIK3CA, a dependência de genes da maquinaria mitótica diminuiu. Após acertos de SMAD4, a dependência de genes de OXPHOS caiu. Não se trata de interações biológicas comprovadas, mas de padrões de decisão inferidos pelo modelo a partir de triagens passadas.

Em termos simples, um acerto pode abrir uma porta e fechar outra. A direção importa porque as escolhas futuras dependem do que já foi aprendido. Um gene que parece irrelevante isoladamente pode se tornar valioso após a identificação de um alvo específico, ou perder valor quando outro resultado altera as necessidades aparentes da célula.

Do ruído dos ensaios à decisão mais precisa

Escolher os genes certos fica mais fácil quando o modelo aprende com o que já foi testado. Os padrões de acertos passados importam mais do que mapas limpos de vias metabólicas. Genes que aparecem juntos como alvos em muitas triagens carregam uma estrutura útil. Essa estrutura pode orientar o próximo lote de testes mesmo antes de um novo experimento começar.

Isso abre caminho para triagens mais rápidas. O laboratório não precisa esperar até medir todos os genes. Ele pode usar o feedback inicial para estreitar a busca. A abordagem híbrida é especialmente promissora porque combina duas forças. Um modelo de linguagem fornece primeiras escolhas biologicamente plausíveis com base na descrição da triagem. Uma política treinada então atualiza essas escolhas conforme chegam os resultados de acertos e não-acertos. Essa divisão do trabalho torna o processo mais focado, mais estável e menos dependente de uma única fonte de conhecimento.

Mas os obstáculos são reais. A abordagem ainda depende fortemente das triagens passadas. Se um gene raramente foi medido antes, sua pontuação repousa sobre evidências mais fracas. Alguns genes selecionados ficam fora da biblioteca histórica, o que torna a avaliação mais difícil e convida para chutes. O viés por genes essenciais é outra armadilha. Muitos acertos podem refletir biologia genérica de morte celular em vez da via específica sob teste. O modelo também descobre dependências direcionais que parecem biologicamente plausíveis, mas são padrões de decisão inferidos, não interações comprovadas.

O quadro maior é uma mudança da anotação estática para evidência adaptativa. O conhecimento biológico continua útil, mas deve ser tratado como um sinal entre muitos. Sistemas futuros podem combinar modelos abertos, metadados mais ricos de ensaios e laços de feedback do laboratório mais apertados. Eles também precisarão de melhores maneiras de separar a biologia específica da triagem da essencialidade ampla e de testar relações genéticas inferidas em experimentos de laboratório molhado.

A questão não é se máquinas podem ajudar a escolher genes. A questão mais difícil é se elas conseguem continuar escolhendo as certas quando cada novo resultado muda o que importa a seguir.