論文の概要: Combining knowledge graphs and LLMs for hazardous chemical information management and reuse

• arxiv url: http://arxiv.org/abs/2412.09644v1
• Date: Tue, 10 Dec 2024 16:31:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-16 15:03:26.731982
• Title: Combining knowledge graphs and LLMs for hazardous chemical information management and reuse
• Title（参考訳）: 有害化学物質情報管理と再利用のための知識グラフとLCMの組み合わせ
• Authors: Marcos Da Silveira, Louis Deladiennee, Kheira Acem, Oona Freudenthal,
• Abstract要約: 本稿では,有害化学物質に関する情報の公開・アクセスに関する現状について述べる。 緊急時に重要な化学物質データの検索を容易にする新しいプラットフォームを提案する。 以上の結果から,重要な化学物質情報へのアクセスに必要な時間と労力が大幅に削減されたことが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Human health is increasingly threatened by exposure to hazardous substances, particularly persistent and toxic chemicals. The link between these substances, often encountered in complex mixtures, and various diseases are demonstrated in scientific studies. However, this information is scattered across several sources and hardly accessible by humans and machines. This paper evaluates current practices for publishing/accessing information on hazardous chemicals and proposes a novel platform designed to facilitate retrieval of critical chemical data in urgent situations. The platform aggregates information from multiple sources and organizes it into a structured knowledge graph. Users can access this information through a visual interface such as Neo4J Bloom and dashboards, or via natural language queries using a Chatbot. Our findings demonstrate a significant reduction in the time and effort required to access vital chemical information when datasets follow FAIR principles. Furthermore, we discuss the lessons learned from the development and implementation of this platform and provide recommendations for data owners and publishers to enhance data reuse and interoperability. This work aims to improve the accessibility and usability of chemical information by healthcare professionals, thereby supporting better health outcomes and informed decision-making in the face of patients exposed to chemical intoxication risks.
• Abstract（参考訳）: 人間の健康は、有害物質、特に持続的で有害な化学物質に曝されることによってますます脅かされている。 複雑な混合物でしばしば見られるこれらの物質と様々な病気の関連が科学的研究で示されている。 しかし、この情報は複数の情報源に分散しており、人間や機械ではほとんどアクセスできない。 本稿では,危険化学物質に関する情報の公開・アクセスに関する現状を考察し,緊急時に重要な化学物質データの検索を容易にするための新しいプラットフォームを提案する。 プラットフォームは複数のソースから情報を集約し、構造化された知識グラフにまとめる。 ユーザは、Neo4J Bloomやダッシュボードなどのビジュアルインターフェースや、Chatbotを使用した自然言語クエリを通じて、この情報にアクセスすることができる。 以上の結果から,データセットがFAIRの原則に従うと,重要な化学情報にアクセスするのに要する時間や労力が大幅に削減されることが示唆された。 さらに、このプラットフォームの開発と実装から学んだ教訓について論じ、データ再利用と相互運用性を高めるため、データ所有者とパブリッシャーにレコメンデーションを提供する。 本研究の目的は, 医療従事者による化学物質情報のアクセシビリティと使用性の向上であり, 薬物中毒リスクに曝された患者に対して, より良い健康結果と情報提供による意思決定を支援することである。

関連論文リスト

• ChemAgent: Self-updating Library in Large Language Models Improves Chemical Reasoning [64.2106664137118]
  ChemAgentは,大規模言語モデル(LLM)の性能向上を目的とした,新しいフレームワークである。 化学タスクをサブタスクに分解し、これらのサブタスクを将来のクエリに参照可能な構造化されたコレクションにコンパイルすることで開発される。 新しい問題を提示すると、ChemAgentは、私たちがメモリと呼ぶライブラリから関連する情報を検索し、精査する。
  論文  参考訳（メタデータ） (2025-01-11T17:10:30Z)
• Informational Health --Toward the Reduction of Risks in the Information Space [0.0]
  本稿では,情報の健康を育むための3つの戦略を提案する。 バランスの取れた食事が健康に不可欠であるのと同じように、健康な情報環境を維持するためには、よく考えられたヌード行動が不可欠である、と氏は主張する。
  論文  参考訳（メタデータ） (2024-07-19T19:12:05Z)
• Reddit-Impacts: A Named Entity Recognition Dataset for Analyzing Clinical and Social Effects of Substance Use Derived from Social Media [6.138126219622993]
  物質利用障害(SUD)は、データ駆動研究を通じて、問題とそのトレンドの理解を深める必要がある、世界的な関心事である。 ソーシャルメディアは、SUDに関するユニークな重要な情報源であり、特にそのような情報源のデータは、生きた経験を持つ人々によってしばしば生成されるためである。 本稿では,処方と違法なオピオイド,およびオピオイド使用障害の薬物に関する議論を専門とするサブレディットからキュレートされた,難解な名前付きエンティティ認識(NER)データセットであるReddit-Impactsを紹介する。 このデータセットは、研究の少ないが重要な、物質利用の側面に特に焦点を絞っている。
  論文  参考訳（メタデータ） (2024-05-09T23:43:57Z)
• An Autonomous Large Language Model Agent for Chemical Literature Data Mining [60.85177362167166]
  本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。 本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
  論文  参考訳（メタデータ） (2024-02-20T13:21:46Z)
• Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [57.70772230913099]
  Chemist-Xは、検索増強生成(RAG)技術を用いた化学合成において、反応条件レコメンデーション(RCR)タスクを自動化する。 Chemist-Xはオンラインの分子データベースを尋問し、最新の文献データベースから重要なデータを蒸留する。 Chemist-Xは化学者の作業量を大幅に減らし、より根本的で創造的な問題に集中できるようにする。
  論文  参考訳（メタデータ） (2023-11-16T01:21:33Z)
• MolGrapher: Graph-based Visual Recognition of Chemical Structures [50.13749978547401]
  化学構造を視覚的に認識するためにMolGrapherを導入する。 すべての候補原子と結合をノードとして扱い、それらをグラフ化する。 グラフニューラルネットワークを用いてグラフ内の原子と結合ノードを分類する。
  論文  参考訳（メタデータ） (2023-08-23T16:16:11Z)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• Fine-Grained Chemical Entity Typing with Multimodal Knowledge Representation [36.6963949360594]
  核となる化学文献から化学反応に関する詳細な知識を抽出する方法は、新たな課題である。 本稿では, 微細な化学エンティティタイピングの問題を解決するために, マルチモーダル表現学習フレームワークを提案する。 実験の結果,提案手法は複数の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-08-29T19:41:35Z)
• 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)
• Disinformation in the Online Information Ecosystem: Detection, Mitigation and Challenges [35.0667998623823]
  一般大衆の大多数は、ニュースや新型コロナウイルスの症状などの問題に関する情報など、ソーシャルメディアのプラットフォームに目を向けている。 偽情報検出と緩和の方向には、かなりの研究が進行中である。 新型コロナウイルスの感染拡大に伴う「不名誉」に焦点をあて、オンライン偽情報問題について論じる。
  論文  参考訳（メタデータ） (2020-10-18T21:44:23Z)
• 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。