論文の概要: Decoding Plastic Toxicity: An Intelligent Framework for Conflict-Aware Relational Metapath Extraction from Scientific Abstracts

• arxiv url: http://arxiv.org/abs/2509.11330v1
• Date: Sun, 14 Sep 2025 16:14:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.032049
• Title: Decoding Plastic Toxicity: An Intelligent Framework for Conflict-Aware Relational Metapath Extraction from Scientific Abstracts
• Title（参考訳）: プラスチックの毒性を復号する:科学的な要約から対立認識のリレーショナルなメタパス抽出のためのインテリジェントなフレームワーク
• Authors: Sudeshna Jana, Manjira Sinha, Tirthankar Dasgupta,
• Abstract要約: プラスチックの使用により、空気、水、土壌にマイクロプラスチックやナノプラスチックが蓄積され、呼吸器、消化器、神経疾患などの深刻な健康リスクが生じる。 本稿では,大規模言語モデルを用いて,汚染源と健康影響を関連づけるマルチホップ・セマンティック・チェーンであるリレーショナル・メタパスを抽出する手法を提案する。
• 参考スコア（独自算出の注目度）: 4.320393382724065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The widespread use of plastics and their persistence in the environment have led to the accumulation of micro- and nano-plastics across air, water, and soil, posing serious health risks including respiratory, gastrointestinal, and neurological disorders. We propose a novel framework that leverages large language models to extract relational metapaths, multi-hop semantic chains linking pollutant sources to health impacts, from scientific abstracts. Our system identifies and connects entities across diverse contexts to construct structured relational metapaths, which are aggregated into a Toxicity Trajectory Graph that traces pollutant propagation through exposure routes and biological systems. Moreover, to ensure consistency and reliability, we incorporate a dynamic evidence reconciliation module that resolves semantic conflicts arising from evolving or contradictory research findings. Our approach demonstrates strong performance in extracting reliable, high-utility relational knowledge from noisy scientific text and offers a scalable solution for mining complex cause-effect structures in domain-specific corpora.
• Abstract（参考訳）: プラスチックの普及と環境の持続性により、空気、水、土壌にマイクロプラスチックやナノプラスチックが蓄積され、呼吸器、消化器、神経疾患などの深刻な健康リスクが生じる。 本稿では,大規模言語モデルを用いて,汚染源と健康影響を関連づけるマルチホップ・セマンティック・チェーンであるリレーショナル・メタパスを抽出する手法を提案する。 本システムでは, 種々のコンテキストにまたがる実体を同定・接続し, 構造的メタパスを構築し, 被曝経路や生物学的システムを通して汚染物質伝播をトレースする毒性トラジェクトリグラフに集約する。 さらに、一貫性と信頼性を確保するため、進化または矛盾する研究結果から生じる意味的矛盾を解消する動的エビデンス調整モジュールを組み込んだ。 提案手法は,ノイズの多い科学的テキストから信頼性の高い高ユーティリティリレーショナル知識を抽出する上で,高い性能を示し,ドメイン固有コーパスにおける複雑な原因・影響構造をマイニングするためのスケーラブルなソリューションを提供する。

関連論文リスト

• Causal Discovery from Data Assisted by Large Language Models [50.193740129296245]
  知識駆動発見のために、実験データと事前のドメイン知識を統合することが不可欠である。 本稿では、高分解能走査透過電子顕微鏡(STEM)データと大規模言語モデル(LLM)からの洞察を組み合わせることで、このアプローチを実証する。 SmドープBiFeO3(SmBFO)におけるChatGPTをドメイン固有文献に微調整することにより、構造的、化学的、分極的自由度の間の因果関係をマッピングするDAG(Directed Acyclic Graphs)の隣接行列を構築する。
  論文  参考訳（メタデータ） (2025-03-18T02:14:49Z)
• BioMaze: Benchmarking and Enhancing Large Language Models for Biological Pathway Reasoning [49.487327661584686]
  実際の研究から5.1Kの複雑な経路問題を持つデータセットであるBioMazeを紹介する。 CoT法やグラフ拡張推論法などの手法の評価は,LLMが経路推論に苦慮していることを示している。 そこで本稿では,インタラクティブなサブグラフベースのナビゲーションにより推論を強化するLLMエージェントであるPathSeekerを提案する。
  論文  参考訳（メタデータ） (2025-02-23T17:38:10Z)
• Decomposing Interventional Causality into Synergistic, Redundant, and Unique Components [0.0]
  我々は、介入因果効果を相乗的で冗長でユニークな構成要素に分解する新しい枠組みを導入する。 本研究では,システム内の変数間で因果力がどのように分散しているかを体系的に定量化する数学的アプローチを開発する。
  論文  参考訳（メタデータ） (2025-01-20T12:34:51Z)
• Causal Representation Learning from Multimodal Biomedical Observations [57.00712157758845]
  バイオメディカルデータセットの理解を容易にするために,マルチモーダルデータに対するフレキシブルな識別条件と原理的手法を開発した。 主要な理論的貢献は、モジュラリティ間の因果関係の構造的空間性である。 実世界のヒト表現型データセットの結果は、確立された生物医学研究と一致している。
  論文  参考訳（メタデータ） (2024-11-10T16:40:27Z)
• Uncovering the Mechanism of Hepatotoxiciy of PFAS Targeting L-FABP Using GCN and Computational Modeling [1.6249398255272316]
  ペルフルオロアルキル(PFAS)とポリフルオロアルキル(PFAS)は環境汚染物質であり、毒性や生物蓄積に問題がある。 本研究では, 半教師付きグラフ畳み込みネットワーク(GCN)と分子ディスクリプタと指紋を組み合わせることにより, PFAS毒性の予測モデルを作成する。
  論文  参考訳（メタデータ） (2024-09-16T15:13:39Z)
• Enhancing Biomedical Knowledge Discovery for Diseases: An Open-Source Framework Applied on Rett Syndrome and Alzheimer's Disease [28.68816381566995]
  原文から直接特定の疾患に関する知識を構築するために設計されたオープンソースのフレームワークを紹介する。 疾患関連知識発見の研究を容易にするために、Rett症候群とアルツハイマー病に焦点を当てた2つの注釈付きデータセットを作成しました。
  論文  参考訳（メタデータ） (2024-07-18T13:20:53Z)
• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)
• Knowledge-driven Subspace Fusion and Gradient Coordination for Multi-modal Learning [14.1062929554591]
  マルチモーダル学習は癌診断と予後において重要な役割を担っている。 現在のディープラーニングに基づくマルチモーダルアプローチは、ゲノム学と組織学のデータの間の複雑な相関をモデル化する能力によって制限されることが多い。 本稿では, 生物学的に解釈し, 堅牢なマルチモーダル学習フレームワークを提案し, ヒストロジー画像とゲノム学を効率的に統合する。
  論文  参考訳（メタデータ） (2024-06-20T04:01:35Z)

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。