論文の概要: A Biomedical Knowledge Graph for Biomarker Discovery in Cancer

• arxiv url: http://arxiv.org/abs/2302.04737v1
• Date: Thu, 9 Feb 2023 16:17:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-10 15:17:13.533365
• Title: A Biomedical Knowledge Graph for Biomarker Discovery in Cancer
• Title（参考訳）: がんにおけるバイオマーカー発見のための生体医学知識グラフ
• Authors: Md. Rezaul Karim and Lina Comet and Oya Beyan and Michael Cochez and Dietrich Rebholz-Schuhmann and Stefan Decker
• Abstract要約: ドメイン固有知識グラフ(ドメイン特化知識グラフ、英: Domain-specific knowledge graph、KG)は、特定の主語・母語領域の明示的な概念化である。 KGは、がん関連の知識と複数のソースからの事実を統合することで構築される。 我々は、いくつかのクエリといくつかのQAの例を列挙し、KGに基づいた知識を導出する。
• 参考スコア（独自算出の注目度）: 1.7860709946876898
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Structured and unstructured data and facts about drugs, genes, protein, viruses, and their mechanism are spread across a huge number of scientific articles. These articles are a large-scale knowledge source and can have a huge impact on disseminating knowledge about the mechanisms of certain biological processes. A domain-specific knowledge graph~(KG) is an explicit conceptualization of a specific subject-matter domain represented w.r.t semantically interrelated entities and relations. A KG can be constructed by integrating such facts and data and be used for data integration, exploration, and federated queries. However, exploration and querying large-scale KGs is tedious for certain groups of users due to a lack of knowledge about underlying data assets or semantic technologies. Such a KG will not only allow deducing new knowledge and question answering(QA) but also allows domain experts to explore. Since cross-disciplinary explanations are important for accurate diagnosis, it is important to query the KG to provide interactive explanations about learned biomarkers. Inspired by these, we construct a domain-specific KG, particularly for cancer-specific biomarker discovery. The KG is constructed by integrating cancer-related knowledge and facts from multiple sources. First, we construct a domain-specific ontology, which we call OncoNet Ontology (ONO). The ONO ontology is developed to enable semantic reasoning for verification of the predictions for relations between diseases and genes. The KG is then developed and enriched by harmonizing the ONO, additional metadata schemas, ontologies, controlled vocabularies, and additional concepts from external sources using a BERT-based information extraction method. BioBERT and SciBERT are finetuned with the selected articles crawled from PubMed. We listed down some queries and some examples of QA and deducing knowledge based on the KG.
• Abstract（参考訳）: 薬物、遺伝子、タンパク質、ウイルス、およびそれらのメカニズムに関する構造的および非構造的なデータや事実は、膨大な数の科学論文に散らばっている。 これらの論文は大規模知識源であり、特定の生物学的プロセスのメカニズムに関する知識の普及に大きな影響を与える可能性がある。 ドメイン固有の知識グラフ~(kg)は、w.r.tの意味的相互関係と関係を表す特定の主題マッタードメインの明示的な概念化である。 KGはそのような事実とデータを統合して構築することができ、データ統合、探索、フェデレーションクエリに使用することができる。 しかし、データ資産やセマンティック技術に関する知識が不足しているため、大規模なKGの探索とクエリは一部のユーザにとって面倒である。 このようなKGは、新しい知識と質問応答(QA)を推論するだけでなく、ドメインの専門家による探索を可能にする。 正確な診断には学際的な説明が重要であるため、KGに問い合わせて学習バイオマーカーに関する対話的な説明を提供することが重要である。 これらに触発されて、特に癌特異的なバイオマーカーの発見のためにドメイン特異的kgを構築した。 KGは、がん関連の知識と複数のソースからの事実を統合することで構築される。 まず、ドメイン固有のオントロジーを構築し、それをOncoNet Ontology (ONO)と呼ぶ。 ONOオントロジーは、疾患と遺伝子の関係を予測するための意味的推論を可能にするために開発された。 KGは、ONO、メタデータスキーマ、オントロジー、制御された語彙、およびBERTベースの情報抽出方法を用いた外部ソースからの追加概念を調和させて開発され、強化される。 BioBERTとSciBERTはPubMedからクロールされた選択項目で微調整される。 我々は、いくつかのクエリとQAの例を列挙し、KGに基づいた知識の推論を行った。

関連論文リスト

• 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)
• Know2BIO: A Comprehensive Dual-View Benchmark for Evolving Biomedical Knowledge Graphs [45.53337864477857]
  Know2BIOは、バイオメディカルドメインのための汎用的なヘテロジニアスKGベンチマークである。 30の多様なソースからのデータを統合し、11のバイオメディカルカテゴリにわたる複雑な関係をキャプチャする。 Know2BIOは、バイオメディカルサイエンスの最新の知識を反映して、ユーザー指向の自動更新を行うことができる。
  論文  参考訳（メタデータ） (2023-10-05T00:34:56Z)
• Biomedical Multi-hop Question Answering Using Knowledge Graph Embeddings and Language Models [0.0]
  我々は,バイオメディカルなマルチホップ質問応答システムをテストするために,自然言語を用いたマルチホップバイオメディカル質問応答データセットを開発した。 この研究の主な貢献は、言語モデルとKG埋め込みを組み合わせた統合システムであり、自由形式の質問に非常に関連性の高い回答を与える。
  論文  参考訳（メタデータ） (2022-11-10T05:43:57Z)
• Question Answering Over Biological Knowledge Graph via Amazon Alexa [0.4462334751640166]
  本稿では、知識グラフ(KG)を用いたQAのためのAmazon Alexaの音声対応インターフェースについて述べる。 概念実証として、よく知られたDisgeNET KGを使用し、113万件の遺伝子消失関連を網羅した知識を含む。 我々の研究は、アレックスが大規模な知識ベースから特定の生物学的実体の事実を見つけるのにどのように役立つかを示している。
  論文  参考訳（メタデータ） (2022-10-12T09:17:06Z)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• BertNet: Harvesting Knowledge Graphs with Arbitrary Relations from Pretrained Language Models [65.51390418485207]
  本稿では,事前学習したLMから任意の関係を持つ大規模KGを抽出する手法を提案する。 関係定義の最小限の入力により、アプローチは膨大な実体対空間を効率的に探索し、多様な正確な知識を抽出する。 我々は、異なるLMから400以上の新しい関係を持つKGを収穫するためのアプローチを展開している。
  論文  参考訳（メタデータ） (2022-06-28T19:46:29Z)
• 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)

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。