Synteza wiedzy opartej na dowodach i walidacja hipotez: poruszanie się po bazach wiedzy biomedycznej za pomocą wytłumaczalnej sztucznej inteligencji i systemów agentowych
13 czerwca 2025
Ten artykuł opisuje RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), który integruje wnioskowanie Large Language Model (LLM) z Retrieval-Augmented Generation (RAG). Opiera się na dowodach z opracowanych przez ekspertów baz wiedzy biomedycznej i recenzowanych publikacji biomedycznych, aby zsyntetyzować nową wiedzę z aktualnych informacji, zidentyfikować wytłumaczalne i możliwe do zastosowania prognozy oraz wskazać obiecujące kierunki badań opartych na hipotezach.
Protokół ten stanowi platformę do wiarygodnego badania kwestii biomedycznych i klinicznych oraz do generowania hipotez. Rugged pomaga badać krajobraz biomedyczny, wykorzystując duże modele językowe, łącząc je z recenzowanymi publikacjami i wyselekcjonowanymi bazami wiedzy biomedycznej, a także wykorzystując wytłumaczalną sztuczną inteligencję do odkrywania nowych relacji. Ostatnie postępy w generatywnej sztucznej inteligencji i dużych modelach językowych zmieniły sposób, w jaki angażujemy się w zasoby biomedyczne poparte dowodami, umożliwiając zadania takie jak podsumowanie, odpowiadanie na pytania i elastyczne badanie hipotez. Wcześniejsze podejścia opierały się na eksploracji tekstu w celu wyodrębnienia wzorców i relacji wysokiego poziomu z literatury biomedycznej. Obecnie podejścia łączą duże modele językowe z generowaniem wspomaganym pobieraniem, systemami agentycznymi i możliwościami wywoływania narzędzi. Wiele publicznie dostępnych modeli językowych ma problemy z wiarygodnością, co może prowadzić do uzyskania informacji niezgodnych ze stanem faktycznym. Chociaż najnowsze modele uległy poprawie, ich wyniki w momencie publikacji często nie były specyficzne dla danej dziedziny, opierały się na niejasnym języku ogólnym i zawierały długie i fragmentaryczne wyjaśnienia. W poprzednich publikacjach z JoVE podkreśliliśmy, w jaki sposób eksploracja tekstu i modelowanie grafów wiedzy biomedycznej są stosowane do przewidywania i zrozumienia relacji między białkami, składnikami komórkowymi a chorobami sercowo-naczyniowymi. Opierając się na tym fundamencie, nasze najnowsze badania koncentrują się na integracji tej ustrukturyzowanej wiedzy biomedycznej z przepływami pracy obsługiwanymi przez duże modele językowe, umożliwiając dokładne wnioskowanie i odpowiedzi oparte na dowodach.
[Narrator] Aby rozpocząć, uruchom usługę Rugged za pomocą polecenia w terminalu. Wyodrębnij literaturę biomedyczną i zidentyfikuj odpowiednie dokumenty, wraz z wysokimi relacjami między chorobami białkowymi za pomocą caseOLAP LIFT. Odwiedź stronę protokołu caseOLAP LIFT JoVE i przeprowadź analizę eksploracji tekstu caseOLAP LIFT. Następnie sklonuj repozytorium Know2BIO w terminalu. Korzystając z wiersza polecenia, wykonaj skrypt create_edge_files.py, aby pobrać zasoby bazy wiedzy i monitorować postęp potoku ekstrakcji. Następnie skonstruuj graf wiedzy za pomocą skryptu prepare_kgs.py. Zintegruj wyniki skryptu combine_kg_results.py, aby scalić relacje i jednostki wyodrębnione z analizy eksploracji tekstu i konstrukcji grafu wiedzy w jeden kompleksowy wykres. Zidentyfikuj interesujące Cię jednostki biomedyczne, przeglądając graf wiedzy i wybierając odpowiednie węzły do użycia w analizie predykcyjnej. Użyj skryptu filter.py, aby wyodrębnić wykres podrzędny dostępny w ciągu dwóch przeskoków z wybranych węzłów choroby i uruchom polecenie. Uruchom skrypt analizy predykcyjnej, określając krawędzie do przewidywania i wejściowy graf wiedzy jako argumenty wiersza polecenia i uzyskując dane wyjściowe. Teraz połącz się z kontenerem Rugged Docker. Jeśli poprzednie okno terminalu zostało zamknięte, połącz się ponownie z kontenerem platformy Docker. Po nawiązaniu połączenia przejdź do katalogu Rugged with CD workspace Rugged w wierszu poleceń i wykonaj wszystkie pozostałe kroki w tym oknie wiersza poleceń. Po sprawdzeniu, czy wszystkie usługi pomocnicze są uruchomione, uruchom Rugged w interfejsie wiersza poleceń, aby rozpocząć interakcję z systemem. Aby wysłać zapytanie do grafu wiedzy, zadaj pytanie w języku naturalnym, zaczynając od słowa kluczowego "zapytanie". Na przykład wpisz "zapytanie, jakie są obecnie przepisywane leki klasyfikowane jako beta-blokery?" Zapoznaj się z przewidywaniami z analizy przewidywania linków z pytaniami zaczynającymi się od słowa kluczowego "przewidywać". Następnie pobierz dokumenty związane z tematem biomedycznym z kroku drugiego w języku naturalnym, używając słowa kluczowego "szukaj". Uściślaj zapytania iteracyjnie, korzystając z interfejsu przypominającego czat Rugged w tym samym oknie terminala. Opcjonalnie uruchom ponownie i zmodyfikuj polecenia szyfrowania w Neo4j, aby uściślić wyniki zapytania grafu wiedzy. Podsumuj całą interakcję za pomocą słowa kluczowego "summarize", aby wygenerować podsumowanie tekstowe do późniejszej recenzji, i przeprowadź przegląd z udziałem człowieka w pętli, aby zwiększyć czytelność i dokładność odpowiedzi systemu przed sfinalizowaniem podsumowania. Na koniec przejrzyj dzienniki czatu w folderze dziennika w Rugged i sprawdź pełny tekst interakcji. Graf wiedzy skonstruowany przy użyciu Know2BIO zawierał 219 450 węzłów i 6 323 257 krawędzi. System Rugged wbudował wykres wiedzy i dane publikacji przy użyciu modelu BART do wyszukiwania wektorowego, z publikacjami dłuższymi niż 500 tokenów podsumowanymi według sekcji.
Przegląd
Ten artykuł przedstawia RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), platformę, która integruje wnioskowanie modeli dużych językowych z generowaniem ulepszonym odzyskiem. Ma na celu syntezę nowej wiedzy z literatury biomedycznej i baz wiedzy, ułatwiając generowanie hipotez i badanie pytań biomedycznych.
Kluczowe komponenty badania
Obszar nauki
- Biomedyczna informatyka
- Inteligencja sztucznna w opiece zdrowotnej
- Grafy wiedzy
Tło
- Ostatnie osiągnięcia w dziedzinie generatywnej sztucznej inteligencji i dużych modeli językowych zmieniły badania biomedyczne.
- Poprzednie metody opierały się na wydobywaniu tekstu w celu uzyskania relacji z literatury.
- Łączenie LLM z generowaniem ulepszonym odzyskiem zwiększa niezawodność i specyficzność.
- RUGGED ma na celu poprawę eksploracji biomedycznych krajobrazów.
Cel badania
- Integracja strukturalnej wiedzy biomedycznej z przepływami pracy LLM.
- Możliwość dokładnego wnioskowania i opartych na dowodach odpowiedzi.
- Ułatwienie badań kierowanych hipotezą w badaniach biomedycznych.
Stosowane metody
- Wykorzystanie usługi Rugged do ekstrakcji literatury.
- Budowa grafów wiedzy przy użyciu caseOLAP LIFT.
- Integracja wydobytych relacji w kompleksowy graf.
- Naturalne zapytywanie grafu wiedzy w celu predykcji i odzyskiwania dokumentów.
Główne wyniki
- Graf wiedzy zawierał 219 450 węzłów i 6 323 257 krawędzi.
- RUGGED osadza graf wiedzy i dane publikacji przy użyciu modelu BART.
- Poprawa interakcji z literaturą biomedyczną poprzez interfejs przypominający czat.
- Ułatwienie iteracyjnej udoskonalania zapytań i predykcji.
Wnioski
- RUGGED poprawia niezawodność odzyskiwania informacji biomedycznych.
- Wspiera generowanie hipotez poprzez wyjaśnialną sztuczną inteligencję.
- Platforma reprezentuje znaczący postęp w metodologiach badań biomedycznych.
Często zadawane pytania
Executive Industry Relevance
Integrating explainable AI with retrieval-augmented generation enables biopharma teams to synthesize and validate evidence across vast biomedical knowledge bases, reducing ambiguity in early discovery. The RUGGED workflow enhances predictive confidence by grounding hypothesis exploration in curated literature and structured knowledge graphs. This approach supports risk-adjusted portfolio decisions by streamlining the identification of actionable drug-disease relationships.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Supports hypothesis interrogation by linking literature-derived associations with curated knowledge bases.
- Enables mechanistic de-risking through explainable graph-based predictions of drug-disease relationships.
- Facilitates functional target validation by surfacing evidence-backed molecular interactions.
- Improves predictive confidence for triaging targets and pathways in complex disease areas.
Screening & Assay Development
- Prepares validated biological relationships for downstream screening workflows.
- Standardizes evidence integration, supporting reproducibility in assay development.
- Enables scalable, query-driven exploration of compound-target associations.
- Provides quantitative outputs for reliable compound evaluation and prioritization.
Translational & Preclinical Research
- Aligns molecular findings with disease-relevant systems for translational continuity.
- Supports biomarker hypothesis generation by integrating multi-source evidence.
- Enables risk-adjusted advancement decisions through explainable prediction outputs.
- Reduces late-stage biological risk by clarifying mechanistic underpinnings of candidate therapeutics.
Pipeline & Workflow Integration
The RUGGED platform bridges early discovery, target validation, and translational research by embedding evidence-based knowledge synthesis into the R&D continuum.
- Discovery Biology: Facilitates hypothesis testing and pathway clarification using graph-guided evidence integration.
- Screening: Delivers reproducible, query-driven outputs for compound and target evaluation.
- Analytics: Provides quantitative association scores and explainable predictions for cross-condition comparison.
- Translational Research: Connects molecular insights to disease models and clinical hypotheses when supported by curated data.
- Enterprise Reuse: Establishes a reusable, scalable framework for ongoing knowledge integration and hypothesis validation.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in target and pathway selection.
- Operational Value: Standardizes evidence synthesis and supports reproducible, scalable knowledge workflows.
- Strategic Value: Enables informed go/no-go decisions and capital-efficient portfolio management.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of therapeutic hypotheses.
Implementation Considerations
- Requires expertise in biomedical informatics, AI, and knowledge graph analytics.
- Depends on robust computational infrastructure for large-scale data integration and querying.
- Demands cross-team standardization of evidence curation and validation protocols.
- Adaptable to diverse disease models and therapeutic areas with appropriate data sources.
- Practical limitations include the need for ongoing curation to mitigate bias and maintain data quality.
