論文の概要: The Digitalization of Bioassays in the Open Research Knowledge Graph
- arxiv url: http://arxiv.org/abs/2203.14574v1
- Date: Mon, 28 Mar 2022 08:35:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-30 03:54:22.764784
- Title: The Digitalization of Bioassays in the Open Research Knowledge Graph
- Title(参考訳): オープンリサーチ知識グラフにおけるバイオアッセイのデジタル化
- Authors: Jennifer D'Souza and Anita Monteverdi and Muhammad Haris and Marco
Anteghini and Kheir Eddine Farfar and Markus Stocker and Vitor A.P. Martins
dos Santos and S\"oren Auer
- Abstract要約: ORKG-assaysはPythonで書かれたAIマイクロサービスである。
AIベースのクラスタリングアルゴリズムを使用しており、900以上のバイオアッセイと5,514のユニークなプロパティ値ペアを103の述語で比較すると、競合的なパフォーマンスを示している。
- 参考スコア(独自算出の注目度): 6.508148285794385
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Background: Recent years are seeing a growing impetus in the semantification
of scholarly knowledge at the fine-grained level of scientific entities in
knowledge graphs. The Open Research Knowledge Graph (ORKG)
https://www.orkg.org/ represents an important step in this direction, with
thousands of scholarly contributions as structured, fine-grained,
machine-readable data. There is a need, however, to engender change in
traditional community practices of recording contributions as unstructured,
non-machine-readable text. For this in turn, there is a strong need for AI
tools designed for scientists that permit easy and accurate semantification of
their scholarly contributions. We present one such tool, ORKG-assays.
Implementation: ORKG-assays is a freely available AI micro-service in ORKG
written in Python designed to assist scientists obtain semantified bioassays as
a set of triples. It uses an AI-based clustering algorithm which on
gold-standard evaluations over 900 bioassays with 5,514 unique property-value
pairs for 103 predicates shows competitive performance. Results and Discussion:
As a result, semantified assay collections can be surveyed on the ORKG platform
via tabulation or chart-based visualizations of key property values of the
chemicals and compounds offering smart knowledge access to biochemists and
pharmaceutical researchers in the advancement of drug development.
- Abstract(参考訳): 背景:近年は、知識グラフにおける科学的実体のきめ細かいレベルでの学術的知識の分別化の推進力が高まっている。
Open Research Knowledge Graph (ORKG) https://www.orkg.org/ は、この方向の重要なステップであり、構造化され、きめ細かなマシン可読データとして何千もの学術的貢献がある。
しかし、非構造的、非機械可読テキストとして貢献を記録するという伝統的なコミュニティの慣習を変える必要がある。
そのため、学術的貢献の容易かつ正確なセマンティフィケーションを可能にする科学者のために設計されたAIツールが強く求められている。
orkgアッセイというツールを紹介します。
実装: orkg-assaysは、pythonで書かれたフリーで利用可能なaiマイクロサービスで、科学者が三つ組として分離バイオアッセイを得るのを支援するように設計されている。
900以上のバイオアッセイをゴールド標準で評価し、103の述語に対して5,514のユニークな特性値ペアを持つaiベースのクラスタリングアルゴリズムを使用する。
結果と考察結果: 医薬品開発の発展にともなう, バイオケミストや製薬研究者へのスマートな知識アクセスを提供する化学物質および化合物の重要な性質値の集計やチャートに基づく視覚化を通じて, ORKGプラットフォーム上での分離されたアッセイコレクションを調査することができる。
関連論文リスト
- BioKGBench: A Knowledge Graph Checking Benchmark of AI Agent for Biomedical Science [43.624608816218505]
BioKGBenchはAI駆動型バイオメディカルエージェントの評価ベンチマークである。
私たちはまず『Understanding Literature』を2つの原子能力に分解した。
次に、KGQAとドメインベースのRetrieval-Augmented Generationを用いて、KGCheckと呼ばれる新しいエージェントタスクを定式化する。
2つのアトミックなタスクに対して2万以上のデータを集め、225の高品質なアノテートされたデータをエージェントタスクに対して収集する。
論文 参考訳(メタデータ) (2024-06-29T15:23:28Z) - SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [80.49349719239584]
SciRIFF(Scientific Resource for Instruction-Following and Finetuning, SciRIFF)は、54のタスクに対して137Kの命令追従デモのデータセットである。
SciRIFFは、幅広い科学分野の研究文献から情報を抽出し、合成することに焦点を当てた最初のデータセットである。
論文 参考訳(メタデータ) (2024-06-10T21:22:08Z) - Diversifying Knowledge Enhancement of Biomedical Language Models using
Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。
バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。
計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文 参考訳(メタデータ) (2023-12-21T14:26:57Z) - From Large Language Models to Knowledge Graphs for Biomarker Discovery
in Cancer [0.9437165725355702]
人工知能(AI)の難しいシナリオは、バイオメディカルデータを使用して、がんの病態の診断と治療のレコメンデーションを提供することである。
大規模知識グラフ(KG)は、意味的相互関連エンティティや関係に関する事実の統合と抽出によって構築することができる。
本稿では,癌特異的バイオマーカー発見と対話型QAを活用するドメインKGを開発する。
論文 参考訳(メタデータ) (2023-10-12T14:36:13Z) - Neurosymbolic AI for Reasoning on Biomedical Knowledge Graphs [0.9085310904484414]
バイオメディカルデータセットは、しばしば知識グラフ(KG)としてモデル化される。
したがって、KG完了(KGC)は、研究者が薬物再配置などのタスクを予測するのに役立ちます。
論文 参考訳(メタデータ) (2023-07-17T11:47:05Z) - A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [52.31710895034573]
この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。
HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。
アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
論文 参考訳(メタデータ) (2023-06-07T21:51:56Z) - Relationship extraction for knowledge graph creation from biomedical
literature [0.0]
バイオメディカル文献からスケーラブルな関係抽出のためのルールベースと機械学習ベースの手法をほとんど提示し比較する。
我々は、これらの様々な手法が、不均衡で比較的小さなデータセットに対して、いかに回復力があるかを検討する。
最高のパフォーマンスモデルは、バランスの取れたデータに基づいて微調整されたT5モデルで、F1スコアは0.88と報告されている。
論文 参考訳(メタデータ) (2022-01-05T15:09:33Z) - Scientific Language Models for Biomedical Knowledge Base Completion: An
Empirical Study [62.376800537374024]
我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。
LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
論文 参考訳(メタデータ) (2021-06-17T17:55:33Z) - COVID-19 Literature Knowledge Graph Construction and Drug Repurposing
Report Generation [79.33545724934714]
我々は,学術文献から微細なマルチメディア知識要素を抽出する,新しい包括的知識発見フレームワークであるCOVID-KGを開発した。
我々のフレームワークはまた、証拠として詳細な文脈文、サブフィギュア、知識のサブグラフも提供します。
論文 参考訳(メタデータ) (2020-07-01T16:03:20Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。