論文の概要: Causal inference in drug discovery and development
- arxiv url: http://arxiv.org/abs/2209.14664v1
- Date: Thu, 29 Sep 2022 09:54:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 18:21:28.539682
- Title: Causal inference in drug discovery and development
- Title(参考訳): 薬物発見・開発における因果推論
- Authors: Tom Michoel and Jitao David Zhang
- Abstract要約: 因果推論には、認知バイアスを減らし、薬物発見における意思決定を改善するという約束がある。
バリューチェーンにまたがって適用されているが、因果推論の概念と実践は、多くの実践者にとってあいまいなままである。
本稿では、因果推論を非技術的に導入し、最近の応用をレビューし、薬物発見・開発において因果言語を採用する機会と課題について論じる。
- 参考スコア(独自算出の注目度): 3.0458514384586395
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: To discover new drugs is to seek and to prove causality. As an emerging
approach leveraging human knowledge and creativity, data, and machine
intelligence, causal inference holds the promise of reducing cognitive bias and
improving decision making in drug discovery. While it has been applied across
the value chain, the concepts and practice of causal inference remain obscure
to many practitioners. This article offers a non-technical introduction to
causal inference, reviews its recent applications, and discusses opportunities
and challenges of adopting the causal language in drug discovery and
development.
- Abstract(参考訳): 新しい薬を見つけるには、探究し、因果性を証明することです。
人間の知識、創造性、データ、マシンインテリジェンスを活用する新しいアプローチとして、因果推論は認知バイアスを減らし、薬物発見における意思決定を改善するという約束を果たす。
バリューチェーンにまたがって適用されているが、因果推論の概念と実践は、多くの実践者にとってあいまいである。
本稿では、因果推論の非技術的導入、最近の応用の見直し、薬物発見・開発における因果言語導入の機会と課題について論じる。
関連論文リスト
- Emergence and Causality in Complex Systems: A Survey on Causal Emergence
and Related Quantitative Studies [12.78006421209864]
因果発生理論は出現を定量化するために因果関係の尺度を用いる。
因果の出現を定量化し、データを識別する。
因果表現学習,因果モデル抽象化,世界モデルに基づく強化学習によって,因果表現の出現を識別するアーキテクチャが共有されることを強調した。
論文 参考訳(メタデータ) (2023-12-28T04:20:46Z) - Crystal: Introspective Reasoners Reinforced with Self-Feedback [118.53428015478957]
本稿では,イントロスペクティブ・コモンセンス推論器であるCrystalを開発するための新しい手法を提案する。
コモンセンス問題に対処するため、まず与えられた質問に関連する知識ステートメントのイントロスペクションを行い、その後、それまでのイントロスペクションされた知識に根ざした情報予測を行う。
実験により、クリスタルは標準的な微調整法と連鎖蒸留法の両方で著しく優れており、コモンセンス推論プロセスの透明性を高めていることが示された。
論文 参考訳(メタデータ) (2023-10-07T21:23:58Z) - Towards CausalGPT: A Multi-Agent Approach for Faithful Knowledge
Reasoning via Promoting Causal Consistency in LLMs [63.26541167737355]
知識に基づく推論における忠実さと因果性を高めるための枠組みを提案する。
我々のフレームワークは、最先端のアプローチを大きなマージンで比較している。
論文 参考訳(メタデータ) (2023-08-23T04:59:21Z) - Causal Intervention for Measuring Confidence in Drug-Target Interaction
Prediction [17.91458766354762]
我々は、知識マッピングを核となる技術として、薬物と標的の相互作用の問題に焦点をあてる。
因果介入に基づく信頼度尺度を用いて、三重項スコアを評価し、薬物-標的相互作用予測モデルの精度を向上させる。
論文 参考訳(メタデータ) (2023-05-31T13:13:45Z) - On How AI Needs to Change to Advance the Science of Drug Discovery [0.0]
因果因果因果因因果因因果因因因果因因果因果因果因因果因果因果因因果因因果因因果因因果因因果因果因因因果因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因因
本稿では,因果的薬物発見を因果的推論における薬物発見の過程を基盤としたモデル作成の手法として提示する。
論文 参考訳(メタデータ) (2022-12-23T19:35:51Z) - CausalDialogue: Modeling Utterance-level Causality in Conversations [83.03604651485327]
クラウドソーシングを通じて、CausalDialogueという新しいデータセットをコンパイルし、拡張しました。
このデータセットは、有向非巡回グラフ(DAG)構造内に複数の因果効果対を含む。
ニューラル会話モデルの訓練における発話レベルにおける因果性の影響を高めるために,Exponential Average Treatment Effect (ExMATE) と呼ばれる因果性強化手法を提案する。
論文 参考訳(メタデータ) (2022-12-20T18:31:50Z) - Deep Causal Learning: Representation, Discovery and Inference [4.667493820893912]
この記事では、ディープラーニングが因果学習にどのように貢献するかを包括的にレビューする。
我々は、因果科学の理論的拡張と応用拡大には深い因果学習が重要であることを指摘する。
論文 参考訳(メタデータ) (2022-11-07T09:00:33Z) - Active Inference in Robotics and Artificial Agents: Survey and
Challenges [51.29077770446286]
我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。
本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
論文 参考訳(メタデータ) (2021-12-03T12:10:26Z) - ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。
Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。
純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
論文 参考訳(メタデータ) (2021-03-26T02:42:38Z) - Towards Causal Representation Learning [96.110881654479]
機械学習とグラフィカル因果関係の2つの分野が生まれ、別々に発展した。
現在、他分野の進歩の恩恵を受けるために、クロスポリン化と両方の分野への関心が高まっている。
論文 参考訳(メタデータ) (2021-02-22T15:26:57Z) - A Review of Biomedical Datasets Relating to Drug Discovery: A Knowledge
Graph Perspective [4.746544835197422]
薬物発見分野に新しい技術を適用することに興味を持つ機械学習や知識グラフの実践者を支援することを目的としている。
様々な創薬中心の知識グラフの構築に適した情報を含む公開のプライマリデータソースを詳細に説明します。
論文 参考訳(メタデータ) (2021-02-19T17:49:38Z)
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。