Name: Síntesis de conocimiento basado en la evidencia y validación de hipótesis: navegación por las bases de conocimiento biomédico a través de IA explicable y sistemas agentivos (Video) | JoVE Journal
Uploaded: 2025-06-13T13:10:00.000+00:00
Duration: 5 min 47 s
Description: Aprende a sintetizar conocimiento biomédico y validar hipótesis con RUGGED, una plataforma de IA explicable que integra modelos de lenguaje y grafos de conocimiento para explorar literatura científica.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<table><tbody><tr><td>Hardware/Software: tarjeta gráfica y controlador de software</td><td>Nvidia</td><td>https://www.nvidia.com</td><td>Se recomienda encarecidamente una tarjeta gráfica y su software de controlador asociado para reducir significativamente el tiempo de ejecución para tareas computacionalmente intensivas, como LLM local y análisis predictivos. Para dispositivos equipados con una GPU NVIDIA RTX, descargue e instale los controladores necesarios y CUDA Toolkit desde el sitio web de NVIDIA (https://developer.nvidia.com/cuda-downloads).</td></tr><tr><td>Software - Servicio comercial de modelos de lenguaje grande</td><td>OpenAI</td><td>https://openai.com</td><td>RUGGED es compatible con la API de OpenAI para modelos como GPT-3.5 y GPT-4o. Para configurar usando modelos OpenAI, primero obtenga una clave API de OpenAI. Vaya al sitio web de OpenAI (https://openai.com/blog/openai-api) para crear una cuenta, cargar fondos y obtener una clave API. Esta clave API es necesaria para permitir que RUGGED utilice modelos OpenAI. Determine qué agentes de LLM dentro del sistema de RUGGED utilizarán modelos de OpenAI desde su documentación (https://platform.openai.com/docs/models). NOTA: La API de OpenAI es un servicio pago. En el momento de la publicación, el costo de GPT-4o es de $ 5.00 por 1 millón de tokens de entrada y $ 2.50 por 1 millón de tokens de salida (para obtener más información, visite https://openai.com/pricing).</td></tr><tr><td>Software - Contenedorización</td><td>Docker</td><td>https://www.docker.com</td><td>Docker ayuda a mantener un entorno de ejecución computacional consistente, agilizando la instalación y ejecución de software en diferentes máquinas. Para instalar Docker, visite el sitio web de Docker (https://www.docker.com/), haga clic en 'Comenzar', descargue e instale la versión adecuada para el sistema operativo. Verifique la instalación escribiendo 'docker --version' en la terminal; La instalación correcta informa de la versión de Docker instalada.</td></tr><tr><td>Software - Base de datos de grafos</td><td>Neo4j</td><td>https://neo4j.com</td><td>Neo4j es un software de base de datos de grafos que gestiona y consulta eficientemente nodos y relaciones basados en grafos. RUGGED es compatible con Neo4j en múltiples formas: contenedor Docker, Neo4j Desktop o servidor en línea Neo4j AuraDB. Elija la opción que mejor se adapte al caso de uso. Configuración de Neo4j como contenedor Docker. Ejecute estos comandos para configurar Neo4j en Docker, con la ruta del archivo para la carpeta (por ejemplo, /Users/username/RUGGED) como 'PATH_TO_FOLDER'. Para obtener más detalles sobre la solución de problemas, consulte el sitio web de Neo4j Docker (https://hub.docker.com/_/neo4j). docker pull neo4j docker run &ndash; nombre neo4j --net rugged_network --publish=7474:7474 --publish=7687:7687 -d -v 'PATH_TO_FOLDER'\neo4j\data:/data neo4j NOTA: Inicialice Neo4j en Docker por primera vez estableciendo un nombre de usuario y una contraseña. Ejecute el script neo4j_setup.py (por ejemplo, python neo4j_setup.py) o a través de la interfaz web en http://localhost:7474. Configuración de Neo4j Desktop. Si usa Neo4j Desktop, descargue e instale desde el sitio web de Neo4j (https://neo4j.com/). Cree un nuevo proyecto haciendo clic en "Nuevo", luego haga clic en "Agregar" para crear un nuevo sistema de gestión de bases de datos (DBMS). Seleccione "DBMS local", establezca una contraseña, haga clic en "Crear" y luego haga clic en "Iniciar". Un texto verde "ACTIVO" indica que se está ejecutando. Configuración de Neo4j AuraDB. Visite el sitio web de Neo4j en (https://neo4j.com/cloud/aura-free/) para crear una cuenta e iniciar sesión. Seleccione "Nueva instancia" para crear una instancia vacía y guardar el URI y la contraseña inicial para acceder a la interfaz bolt (por ejemplo, bolt://myurl.neo4j.com). Haga clic en el botón de reproducción para iniciar la instancia, que mostrará el URI de conexión en el cuadro de información. NOTA: Neo4j AuraDB ofrece un nivel gratuito de hasta 200.000 nodos y 400.000 relaciones. Para gráficos más grandes, visite Precios de Neo4j (https://neo4j.com/pricing).</td></tr><tr><td>Software - Servicio de modelos de lenguaje grande local</td><td>Ollama</td><td>https://ollama.com</td><td>RUGGED admite el uso de modelos locales que utilizan Ollama (por ejemplo, Llama3). Para habilitarlo, primero instale Ollama en el dispositivo o descargue el contenedor de Docker. Para instalar Ollama, visite el sitio web de Ollama (https://ollama.com/download) y siga las instrucciones de instalación. Para instalar Ollama en Docker, ejecute el siguiente comando: docker pull ollama/ollama NOTA: En el momento de la publicación, no hay una versión estable para Ollama en el sistema operativo Windows.</td></tr><tr><td>Software - Control de versiones</td><td>Git</td><td>https://www.git-scm.com</td><td>El software de control de versiones permite una instalación y actualización eficientes del software. Para instalar Git, visite el sitio web de Git (https://www.git-scm.com/), haga clic en 'Descargas', descargue e instale la versión adecuada para el sistema operativo. Verifique la instalación escribiendo 'git --version' en la terminal; la instalación correcta informará de la versión de Git instalada.</td></tr></tbody></table>

síntesis de conocimiento basado en la evidencia y validación de hipótesis: navegación por las bases de conocimiento biomédico a través de ia explicable y sistemas agentivos

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Síntesis de conocimiento basado en la evidencia y validación de hipótesis: navegación por las bases de conocimiento biomédico a través de IA explicable y sistemas agentivos

The scale of biomedical knowledge, spanning scientific literature and curated knowledge bases, poses a significant challenge for investigators in ...

evidence-based-knowledge-synthesis-hypothesis-validation-navigating

Research

Investigación

JoVE Journal

Medicine

Medicina

Se presenta un protocolo computacional, CaseOLAP LIFT, y un caso de uso para investigar las proteínas mitocondriales y sus asociaciones con las enfermedades cardiovasculares descritas en los informes biomédicos. Este protocolo se puede adaptar fácilmente para estudiar los componentes celulares y las enfermedades seleccionadas por el usuario.

Un enfoque de grafos de conocimiento para dilucidar el papel de las vías organelares en la enfermedad a través de informes biomédicos

En las secciones siguientes, se describen procedimientos para la preparación de microesferas de alginato para su uso en aplicaciones biomédicas. En especial, ilustran una técnica para la creación de múltiples capas de alginato microesferas para el doble propósito de la celda y la encapsulación de proteínas como un posible tratamiento para la diabetes tipo 1.

Generación de microesferas de alginato para aplicaciones biomédicas

Se describe un método altamente reproducible para la oclusión permanente de un vaso sanguíneo principal cerebral de roedor. Esta técnica se puede lograr con muy poco daño periférico, mínima pérdida de sangre, una alta tasa de supervivencia a largo plazo, y el volumen del infarto coherente acorde con la población clínica humana.

Permanente oclusión vascular cerebral<em&gt; Vía</em&gt; Ligadura doble y transección

El modelo de transección del nervio tibial es un bien tolerado, validado, y reproducible modelo de atrofia del músculo esquelético. El modelo de protocolo quirúrgico se describe y se demuestra en C57Black6 ratones.

Transección del nervio tibial - Un modelo normalizado para la atrofia del músculo esquelético denervación inducida en ratones

Retrovirus endógenos humanos (HERV), que ocupan 8% del genoma humano, conservan la capacidad de codificación de los escasos pero cien mil repeticiones terminales largas (LTRs). A Affymetrix microarray costumbre fue diseñado para identificar la expresión locus HERV individual y se utilizó en los tejidos de cáncer de próstata como una prueba de concepto para futuros estudios clínicos.

La identificación basada en microarrays de expresión individual HERV Loci: Aplicación al descubrimiento de biomarcadores en el cáncer de próstata

Aquí describimos un protocolo que utiliza la herramienta de generación de hipótesis de reutilización de fármacos basada en la web: "RE:fine Drugs." Este protocolo puede modificarse según las preferencias del usuario a nivel del tipo de consulta (gen, fármaco o enfermedad) y/o de la gama de opciones avanzadas disponibles.

Reutilización de drogas Hipótesis Generación Usando el &quot;RE: Drogas finas&quot; Sistema

La aplicación práctica y el rendimiento de métodos para la generación de muestras de tejido representativo de modelos animales porcinos para un amplio espectro de análisis aguas abajo en el Banco de proyectos se demuestran, incluyendo volumetría, muestreo al azar sistemático, y procesamiento de muestras de tejido de tipo cualitativo y cuantitativo análisis morfológicos y moleculares de diagnóstico.

Estrategias de muestreo y procesamiento de las muestras de tejido de Biobanco de porcinos modelos biomédicos

El propósito de este trabajo es describir un protocolo para la creación de un fantasma de grasa agua práctico que puede personalizarse para producir fantasmas con diferentes porcentajes de grasa y volumen.

Fantasmas la grasa del agua para la validación de la proyección de imagen de resonancia magnética: un protocolo Flexible y escalable

Presentamos un protocolo y código de programación asociada así como muestras de metadatos para soportar una identificación automatizada basada en nube de Asociación de la categoría frases que representan conceptos únicos en dominio de conocimiento seleccionado usuario en literatura biomédica. La Asociación de categoría de frase cuantificada por este protocolo puede facilitar en el análisis de la profundidad en el dominio del conocimiento seleccionado.

Minería de frase basado en la nube y el análisis de Asociación de categoría de frase definida por el usuario en publicaciones biomédicas

Aquí se presenta un protocolo para la metodología estandarizada de preparación de tejido de roedores después del experimento de isquemia-reperfusión y pautas para establecer configuraciones de iluminación y cámara para la adquisición de imágenes de alta resolución. Este método es aplicable a todas las fotografías experimentales de órganos de animales pequeños.

Preparación del corazón y el tejido cerebral de roedores para la fotografía macro digital después de la isquemia-reperfusión

Aprende a sintetizar conocimiento biomédico y validar hipótesis con RUGGED, una plataforma de IA explicable que integra modelos de lenguaje y grafos de conocimiento para explorar literatura científica.

Síntesis de conocimiento basado en la evidencia y validación de hipótesis: navegación por las bases de conocimiento biomédico a través de IA explicable y sistemas agentivos (Video) | JoVE Journal

Síntesis de conocimiento basado en la evidencia y validación de hipótesis: navegación por las bases de conocimiento biomédico a través de IA explicable y sistemas agentivos

Explorar más videos