論文の概要: Accelerating Antibiotic Discovery with Large Language Models and Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2503.16655v2
• Date: Thu, 27 Mar 2025 16:26:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-28 12:49:30.870026
• Title: Accelerating Antibiotic Discovery with Large Language Models and Knowledge Graphs
• Title（参考訳）: 大規模言語モデルと知識グラフによる抗生物質発見の高速化
• Authors: Maxime Delmas, Magdalena Wysocka, Danilo Gusicuma, André Freitas,
• Abstract要約: そこで本研究では,LLMをベースとしたアラームシステムを構築し,抗生物質活性の先行的証拠を検知し,コストのかかる再発見を防止するパイプラインを提案する。 このシステムは生物と化学の文献を知識グラフ(KG)に統合し、分類学的解決、同義語処理、多段階の証拠分類を確実にする。 結果は、エビデンスをレビューし、偽陰性を減らし、意思決定を加速するためのパイプラインの有効性を強調した。
• 参考スコア（独自算出の注目度）: 8.808991968847693
• License:
• Abstract: The discovery of novel antibiotics is critical to address the growing antimicrobial resistance (AMR). However, pharmaceutical industries face high costs (over $1 billion), long timelines, and a high failure rate, worsened by the rediscovery of known compounds. We propose an LLM-based pipeline that acts as an alarm system, detecting prior evidence of antibiotic activity to prevent costly rediscoveries. The system integrates organism and chemical literature into a Knowledge Graph (KG), ensuring taxonomic resolution, synonym handling, and multi-level evidence classification. We tested the pipeline on a private list of 73 potential antibiotic-producing organisms, disclosing 12 negative hits for evaluation. The results highlight the effectiveness of the pipeline for evidence reviewing, reducing false negatives, and accelerating decision-making. The KG for negative hits and the user interface for interactive exploration will be made publicly available.
• Abstract（参考訳）: 新規な抗生物質の発見は、増加する抗菌抵抗性(AMR)に対処するために重要である。 しかし、製薬業界は、高いコスト(10億ドル以上)、長いスケジュール、高い失敗率に直面しており、既知の化合物の再発見によって悪化している。 そこで本研究では,LLMをベースとしたアラームシステムを構築し,抗生物質活性の先行的証拠を検知し,コストのかかる再発見を防止するパイプラインを提案する。 このシステムは生物と化学の文献を知識グラフ(KG)に統合し、分類学的解決、同義語処理、多段階の証拠分類を確実にする。 このパイプラインを73種の抗生物質産生生物のプライベートなリストでテストし,12個の負のヒットを公表した。 結果は、エビデンスをレビューし、偽陰性を減らし、意思決定を加速するためのパイプラインの有効性を強調した。 負のヒットに対するKGと、インタラクティブな探索のためのユーザーインターフェイスが公開される。

関連論文リスト

• Enhancing Antibiotic Stewardship using a Natural Language Approach for Better Feature Representation [0.0]
  抗生物質耐性菌の急速な出現は、世界的な医療危機として認識されている。 本研究は, 抗生物質スチュワードシップ改善のための臨床意思決定支援システムの利用について検討する。 EHRシステムは、データの効率的な合成と利用を複雑にし、多くのデータレベルの課題を提示している。
  論文  参考訳（メタデータ） (2024-05-30T18:53:53Z)
• Learning to Denoise Biomedical Knowledge Graph for Robust Molecular Interaction Prediction [50.7901190642594]
  分子間相互作用予測のためのバイオKDN (Biomedical Knowledge Graph Denoising Network) を提案する。 BioKDNは、ノイズの多いリンクを学習可能な方法で識別することで、局所的な部分グラフの信頼性の高い構造を洗練する。 ターゲットの相互作用に関する関係を円滑にすることで、一貫性とロバストなセマンティクスを維持する。
  論文  参考訳（メタデータ） (2023-12-09T07:08:00Z)
• Spatial-Temporal Networks for Antibiogram Pattern Prediction [30.552245946539994]
  抗生剤は、臨床医が地域抵抗率を理解し、処方薬で適切な抗生物質を選択するのに役立つ。 実際には、抗生物質耐性の顕著な組み合わせは、異なるアンチバイオグラムに現れ、アンチバイオグラムパターンを形成する。 本稿では,今後どのようなパターンが現れるかを予測することを目的とした,新しいアンチバイオグラムパターン予測法を提案する。
  論文  参考訳（メタデータ） (2023-05-02T20:01:48Z)
• Drug Synergistic Combinations Predictions via Large-Scale Pre-Training and Graph Structure Learning [82.93806087715507]
  薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。 ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。 我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-01-14T15:07:43Z)
• Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
  新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。 本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
  論文  参考訳（メタデータ） (2022-02-08T09:42:08Z)
• AI-based Approach for Safety Signals Detection from Social Networks: Application to the Levothyrox Scandal in 2017 on Doctissimo Forum [1.4502611532302039]
  本稿では,患者のレビューから医薬安全信号を検出するためのAIベースのアプローチを提案する。 フランスにおけるLevothyroxの症例に着目し,薬式変更後にメディアから大きな注目を集めた。 本研究は, 言葉とn-grams頻度, 意味的類似性, 副薬物反応の言及, 感情分析など, 患者のレビューから抽出したNLPに基づく指標について検討した。
  論文  参考訳（メタデータ） (2022-02-01T10:17:32Z)
• Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
  人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。 毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。 生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。 我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
  論文  参考訳（メタデータ） (2021-09-27T17:00:14Z)
• NADE: A Benchmark for Robust Adverse Drug Events Extraction in Face of Negations [8.380439657099906]
  逆薬物イベント (ADE) 抽出法は, いわゆるメディアテキストの大量収集を迅速に調査し, 薬物関連副作用の言及を検知し, 医学的調査を誘発する。 近年のNLPのアドバンスにもかかわらず、そのようなモデルが言語品種にまたがって普及する傾向にあるにもかかわらず、そのようなモデルが頑丈であるかどうかは現在不明である。 本稿では,3つの最先端システムの評価を行い,ネガイオンに対する脆弱性を示すとともに,これらのモジュールの堅牢性を高めるための2つのストラテジーを提案する。
  論文  参考訳（メタデータ） (2021-09-21T10:33:29Z)
• AI and the future of pharmaceutical research [0.0]
  この論文は、医薬品のAIの継続的な革新は、これまで治療できなかった病気に対する安全で効果的な治療法の迅速な開発を可能にすると論じている。 業界はすでに、薬物分子発見時間の10倍削減などの結果を報告している。 この論文は、医薬品のAIに焦点をあてることによって、業界はもう一つの大きな破壊、すなわちオープンなデータ共有とコラボレーションに向けて軌道を踏み出した、と結論付けている。
  論文  参考訳（メタデータ） (2021-06-25T17:56:36Z)
• RealToxicityPrompts: Evaluating Neural Toxic Degeneration in Language Models [93.151822563361]
  事前訓練されたニューラルネットワークモデル(LM)は、安全なデプロイメントを妨げる人種差別的、性差別的、その他の有害な言語を生成する傾向にある。 本研究では, 予め訓練したLMが有害な言語を生成できる範囲と, 有害な変性を防止するための制御可能なテキスト生成アルゴリズムの有効性について検討する。
  論文  参考訳（メタデータ） (2020-09-24T03:17:19Z)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)

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。