論文の概要: GRASP: Graph Reasoning Agents for Systems Pharmacology with Human-in-the-Loop

• arxiv url: http://arxiv.org/abs/2512.05502v1
• Date: Fri, 05 Dec 2025 07:59:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.946464
• Title: GRASP: Graph Reasoning Agents for Systems Pharmacology with Human-in-the-Loop
• Title（参考訳）: GRASP:Human-in-the-Loopを用いたシステム薬理学のためのグラフ推論エージェント
• Authors: Omid Bazgir, Vineeth Manthapuri, Ilia Rattsev, Mohammad Jafarnejad,
• Abstract要約: textbfGRASP - ヒューマン・イン・ザ・ループの対話インタフェースを備えたマルチエージェント・グラフ推論フレームワーク。 QSPモデルを型付き生物学的知識グラフとしてエンコードし、ユニット、質量バランス、生理的制約を保ちながら実行可能/最小コードにコンパイルする。 SME誘導のCoTとToTのベースラインは、生物学的妥当性、数学的正確性、構造的忠実性、コード品質に優れています。
• 参考スコア（独自算出の注目度）: 0.6019777076722421
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantitative Systems Pharmacology (QSP) modeling is essential for drug development but it requires significant time investment that limits the throughput of domain experts. We present \textbf{GRASP} -- a multi-agent, graph-reasoning framework with a human-in-the-loop conversational interface -- that encodes QSP models as typed biological knowledge graphs and compiles them to executable MATLAB/SimBiology code while preserving units, mass balance, and physiological constraints. A two-phase workflow -- \textsc{Understanding} (graph reconstruction of legacy code) and \textsc{Action} (constraint-checked, language-driven modification) -- is orchestrated by a state machine with iterative validation. GRASP performs breadth-first parameter-alignment around new entities to surface dependent quantities and propose biologically plausible defaults, and it runs automatic execution/diagnostics until convergence. In head-to-head evaluations using LLM-as-judge, GRASP outperforms SME-guided CoT and ToT baselines across biological plausibility, mathematical correctness, structural fidelity, and code quality (\(\approx\)9--10/10 vs.\ 5--7/10). BFS alignment achieves F1 = 0.95 for dependency discovery, units, and range. These results demonstrate that graph-structured, agentic workflows can make QSP model development both accessible and rigorous, enabling domain experts to specify mechanisms in natural language without sacrificing biomedical fidelity.
• Abstract（参考訳）: 量的システム薬理学(QSP)モデリングは医薬品開発に不可欠であるが、ドメインの専門家のスループットを制限するためにかなりの時間的投資が必要である。 我々は,QSPモデルを型付き生物学的知識グラフとしてエンコードし,それを実行可能なMATLAB/SimBiologyコードにコンパイルし,単位,質量バランス,生理的制約を保ちながら,マルチエージェントでグラフ推論を行うフレームワークである‘textbf{GRASP} を提案する。 2段階のワークフロー -- \textsc{Understanding} (レガシーコードのグラフ再構成) と \textsc{Action} (制約チェック、言語駆動の修正) -- は、反復検証を備えたステートマシンによって編成される。 GRASPは、依存量を表面化して生物学的に妥当なデフォルトを提案し、収束するまで自動実行/診断を実行するために、新しいエンティティの周りに幅第一のパラメータアライメントを実行する。 LLM-as-judge を用いたヘッド・ツー・ヘッド評価では、GRASP は SME-guided CoT と ToT のベースラインを生物学的妥当性、数学的正確性、構造的忠実性、コード品質(\(\approx\)9--10/10 vs. 5--7/10)で上回っている。 BFSアライメントは依存関係の発見、単位、および範囲に対して F1 = 0.95 を達成する。 これらの結果から,グラフ構造化エージェントワークフローによりQSPモデルの開発が容易かつ厳密になり,ドメインの専門家が生体医学的忠実性を犠牲にすることなく自然言語のメカニズムを特定できることが示唆された。

関連論文リスト

• Med-CRAFT: Automated Construction of Interpretable and Multi-Hop Video Workloads via Knowledge Graph Traversal [13.216513001286812]
  textbfPipelineNameは、新しいニューロシンボリックデータエンジニアリングフレームワークである。 Med-CRAFTは生のビデオストリームから構造化されたビジュアルプリミティブを抽出し、動的時空間知識グラフにインスタンス化する。 このパイプラインをインスタンス化し、大規模な医療ビデオ推論ベンチマークであるM3-Med-Autoを生成します。
  論文  参考訳（メタデータ） (2025-11-30T19:24:10Z)
• Migration as a Probe: A Generalizable Benchmark Framework for Specialist vs. Generalist Machine-Learned Force Fields [1.572216094651749]
  機械学習力場(MLFF)は、分子動力学スケールでのアブ初期レベルの精度を実現することによって、計算材料科学を変革している。 研究者たちは、スペシャリストモデルをスクラッチから訓練するか、ファウンデーショナリストのファンデーションモデルを使うべきか、ハイブリッドアプローチを使うべきか? 本稿では, 弾性バンドトラジェクトリを用いて診断プローブとして評価する, 欠陥マイグレーション経路を用いたベンチマークフレームワークを提案する。 微調整モデルでは、運動特性に対するゼロショットおよびゼロショットのアプローチよりも大幅に優れるが、長距離物理学の部分的な損失を示す。
  論文  参考訳（メタデータ） (2025-08-27T13:24:41Z)
• BioGraphFusion: Graph Knowledge Embedding for Biological Completion and Reasoning [0.8983181722105922]
  そこで我々は,BioGraphFusionを紹介した。 3つの重要なバイオメディカルタスクにわたる実験により、バイオグラフフュージョンは最先端のKE、GNN、アンサンブルモデルよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2025-07-19T04:03:42Z)
• VitaGraph: Building a Knowledge Graph for Biologically Relevant Learning Tasks [8.962235896860294]
  複数の公開データセットの統合と精錬によって構築された包括的生物学的知識グラフを提案する。 得られたリソースは、計算生物学と精密医療の研究を進めるための最先端のプラットフォームとして機能する、一貫性があり信頼性の高い生物学的知識グラフである。
  論文  参考訳（メタデータ） (2025-05-16T12:43:04Z)
• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。 また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• PMT: Progressive Mean Teacher via Exploring Temporal Consistency for Semi-Supervised Medical Image Segmentation [51.509573838103854]
  医用画像セグメンテーションのための半教師付き学習フレームワークであるプログレッシブ平均教師(PMT)を提案する。 我々のPMTは、トレーニングプロセスにおいて、堅牢で多様な特徴を学習することで、高忠実な擬似ラベルを生成する。 CT と MRI の異なる2つのデータセットに対する実験結果から,本手法が最先端の医用画像分割法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-08T15:02:25Z)
• 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)
• 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)

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。