Синтез научно обоснованных знаний и проверка гипотез: навигация по базам биомедицинских знаний с помощью объяснимого искусственного интеллекта и агентных систем
13 июня 2025 г.
В этой статье описывается RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), который объединяет вывод большой языковой модели (LLM) с генерацией извлечения (RAG). Он опирается на данные из тщательно отобранных экспертами баз биомедицинских знаний и рецензируемых биомедицинских публикаций для синтеза новых знаний из актуальной информации, определения объяснимых и действенных прогнозов и определения перспективных направлений для исследований, основанных на гипотезах.
Этот протокол представляет собой платформу для надежного исследования биомедицинских и клинических вопросов, а также для выработки гипотез. Rugged помогает исследовать биомедицинский ландшафт, используя большие языковые модели, связывая их с рецензируемыми публикациями и курируемыми базами биомедицинских знаний, а также используя объяснимый искусственный интеллект для выявления новых взаимосвязей. Последние достижения в области генеративного искусственного интеллекта и больших языковых моделей изменили наше взаимодействие с биомедицинскими ресурсами, основанными на фактических данных, что позволяет выполнять такие задачи, как обобщение, ответы на вопросы и гибкое исследование гипотез. Более ранние подходы полагались на интеллектуальный анализ текста для извлечения закономерностей и высокоуровневых отношений из биомедицинской литературы. Сегодня подходы сочетают в себе большие языковые модели с генерацией с дополнением к извлечению, агентными системами и возможностями вызова инструментов. Многие общедоступные языковые модели испытывают трудности с надежностью, потенциально выдавая фактически неверную информацию. Несмотря на то, что последние модели улучшились, их результаты на момент публикации часто не были специфичными для предметной области, основывались на расплывчатом общем языке и выдавали длинные и фрагментарные объяснения. В предыдущих публикациях с JoVE мы рассказывали о том, как интеллектуальный анализ текста и моделирование графов биомедицинских знаний применяются для прогнозирования и понимания взаимосвязи между белками, клеточными компонентами и сердечно-сосудистыми заболеваниями. Основываясь на этом фундаменте, наше последнее исследование направлено на интеграцию этих структурированных биомедицинских знаний с рабочими процессами, поддерживаемыми большими языковыми моделями, что позволяет делать точные выводы и отвечать на основе фактических данных.
[Рассказчик] Для начала запустите службу Rugged с помощью команды в терминале. Извлекайте биомедицинскую литературу и выявляйте соответствующие документы, а также высокоуровневые взаимосвязи между белковыми заболеваниями с помощью caseOLAP LIFT. Посетите протокол caseOLAP LIFT JoVE и выполните анализ анализа текста caseOLAP LIFT. Далее клонируем репозиторий Know2BIO в терминале. С помощью командной строки выполните сценарий create_edge_files.py для загрузки ресурсов базы знаний и отслеживания хода выполнения конвейера извлечения. Затем постройте граф знаний с помощью prepare_kgs.py скрипта. Интегрируйте результаты combine_kg_results.py скрипта, чтобы объединить отношения и сущности, извлеченные из анализа интеллектуального анализа текста и построения графа знаний, в один комплексный граф. Выявляйте биомедицинские объекты, представляющие интерес, просматривая граф знаний и выбирая соответствующие узлы для использования в прогнозном анализе. Используйте сценарий filter.py для извлечения подграфа, доступного в пределах двух переходов от выбранных интересующих узлов заболевания, и выполните команду. Запустите скрипт прогнозирующего анализа, указав ребра для прогнозирования и входной граф знаний в качестве аргументов командной строки, и получите выходные данные. Теперь подключитесь к контейнеру Rugged Docker. Если предыдущее окно терминала было закрыто, повторно подключитесь к контейнеру Docker. После подключения перейдите в каталог Rugged с помощью рабочего пространства CD Rugged в командной строке и выполните все оставшиеся действия в этом окне командной строки. Убедившись, что все вспомогательные службы работают, запустите Rugged в интерфейсе командной строки, чтобы начать взаимодействие с системой. Чтобы выполнить запрос к графу знаний, задайте вопрос на естественном языке, начинающийся с ключевого слова «запрос». Например, введите «Вопрос, какие препараты в настоящее время классифицируются как бета-блокаторы?» Изучите прогнозы из анализа прогнозирования ссылок с вопросами, начинающимися с ключевого слова «прогнозировать». Затем извлеките документы, относящиеся к биомедицинской теме, из второго шага на естественном языке, используя ключевое слово «поиск». Уточняйте запросы итеративно, используя интерфейс Rugged, похожий на чат, в том же окне терминала. При необходимости повторите и измените команды шифрования в Neo4j, чтобы уточнить результаты запроса графа знаний. Обобщите все взаимодействие с помощью ключевого слова «обобщить», чтобы вывести текстовое резюме для последующего просмотра, и проведите круговой обзор, чтобы повысить удобочитаемость и точность ответов системы, прежде чем завершить работу над резюме. Наконец, просмотрите журналы чата в папке журналов в Rugged и изучите полный текст взаимодействия. Граф знаний, построенный с помощью Know2BIO, включал 219 450 узлов и 6 323 257 ребер. В систему Rugged встроен граф знаний и данные публикаций с использованием модели BART для векторного поиска, при этом публикации длиннее 500 токенов суммируются по разделам.
Обзор
В данной статье представлена платформа RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), которая интегрирует инференс больших языковых моделей с генерированием, усиленным извлечением. Она нацелена на синтез новых знаний из биомедицинской литературы и баз знаний, способствуя генерации гипотез и исследованию биомедицинских вопросов.
Ключевые компоненты исследования
Область науки
- Биомедицинская информатика
- Искусственный интеллект в здравоохранении
- Графы знаний
Бэкграунд
- Недавние достижения в области генераторной ИИ и больших языковых моделей изменили исследования в биомедицине.
- Предыдущие методы основывались на текстовом анализе для извлечения связей из литературы.
- Комбинирование БЛМ с генерацией, усиленной извлечением, повышает надежность и специфичность.
- RUGGED нацелен на улучшение исследования биомедицинских ландшафтов.
Цель исследования
- Интеграция структурированных биомедицинских знаний с рабочими процессами БЛМ.
- Обеспечение точного инференса и ответов на основе доказательств.
- Содействие гипотезоориентированным исследованиям в биомедицине.
Используемые методы
- Использование сервиса Rugged для извлечения литературы.
- Создание графов знаний с использованием caseOLAP LIFT.
- Интеграция извлеченных связей в общий граф.
- Запросы на естественном языке к графу знаний для предсказаний и извлечения документов.
Основные результаты
- Граф знаний включал 219 450 узлов и 6 323 257 рёбер.
- RUGGED встраивал граф знаний и данные публикаций с использованием модели BART.
- Улучшенное взаимодействие с биомедицинской литературой через интерфейс в стиле чата.
- Обеспечение итерации уточнения запросов и предсказаний.
Выводы
- RUGGED повышает надежность извлечения биомедицинской информации.
- Он поддерживает генерацию гипотез через объяснимый ИИ.
- Платформа представляет собой значительный прогресс в методологиях биомедицинских исследований.
Часто задаваемые вопросы
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.
