論文の概要: ToxReason: A Benchmark for Mechanistic Chemical Toxicity Reasoning via Adverse Outcome Pathway

• arxiv url: http://arxiv.org/abs/2604.06264v1
• Date: Tue, 07 Apr 2026 02:32:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.12887
• Title: ToxReason: A Benchmark for Mechanistic Chemical Toxicity Reasoning via Adverse Outcome Pathway
• Title（参考訳）: ToxReason: 逆アウトカムパスによる機械的化学毒性推論のベンチマーク
• Authors: Jueon Park, Wonjune Jang, Chanhwi Kim, Yein Park, Jaewoo Kang,
• Abstract要約: 私たちは、AOP(Adverse Outcome Pathway)に基盤を置くベンチマークであるToxReasonを紹介します。 我々は多種多様な大言語モデル(LLM)における毒性予測性能と推論品質を評価する。 推論学習によって機械的推論が向上し,その結果,毒性予測性能が向上することを示す。
• 参考スコア（独自算出の注目度）: 17.149765900378885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in large language models (LLMs) have enabled molecular reasoning for property prediction. However, toxicity arises from complex biological mechanisms beyond chemical structure, necessitating mechanistic reasoning for reliable prediction. Despite its importance, current benchmarks fail to systematically evaluate this capability. LLMs can generate fluent but biologically unfaithful explanations, making it difficult to assess whether predicted toxicities are grounded invalid mechanisms. To bridge this gap, we introduce ToxReason, a benchmark grounded in the Adverse Outcome Pathway (AOP) that evaluates organ-level toxicity reasoning across multiple organs. ToxReason integrates experimental drug-target interaction evidence with toxicity labels, requiring models to infer both toxic outcomes and their underlying mechanisms from Molecular Initiating Event (MIE) to Adverse Outcome (AO). Using ToxReason, we evaluate toxicity prediction performance and reasoning quality across diverse LLMs. We find that strong predictive performance does not necessarily imply reliable reasoning. Furthermore, we show that reasoning-aware training improves mechanistic reasoning and, consequently, toxicity prediction performance. Together, these results underscore the necessity of integrating reasoning into both evaluation and training for trustworthy toxicity modeling.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、特性予測のための分子推論を可能にしている。 しかし、毒性は化学構造を超えた複雑な生物学的機構から生じ、信頼できる予測のために機械的推論を必要とする。 その重要性にもかかわらず、現在のベンチマークは、この能力を体系的に評価することができない。 LLMは、流動的ではあるが生物学的に不信な説明を生じさせるため、予測された毒性が無効なメカニズムであるかどうかを評価することは困難である。 このギャップを埋めるために、私たちは、複数の臓器にわたる臓器レベルの毒性推論を評価するAdverse Outcome Pathway(AOP)に基礎を置いているベンチマークであるToxReasonを紹介します。 ToxReasonは、薬物と薬物の相互作用に関する実験的な証拠を毒性ラベルと統合し、有害な結果と、その基盤となるメカニズムを分子開始イベント(MIE)から逆アウトカム(AO)まで推論するモデルを必要とする。 ToxReasonを用いて,多種多様なLSMにおける毒性予測性能と推論品質を評価する。 強い予測性能は必ずしも信頼できる推論を暗示しない。 さらに, 推論学習により機械的推論が向上し, その結果, 毒性予測性能が向上することを示した。 これらの結果は、信頼性のある毒性モデリングのための評価とトレーニングの両方に推論を統合する必要性を浮き彫りにした。

関連論文リスト

• LatentChem: From Textual CoT to Latent Thinking in Chemical Reasoning [107.60117957760794]
  テキスト生成から化学的導出を分離する潜在推論インタフェースであるLatntChemを紹介する。 我々は,LatentChemがChemCoTBench上のCoTベースラインの強いベースラインに対して59.88%の非ティー勝利率を達成したことを示す。 その結果, 化学推論は連続潜伏力学としてより自然かつ効果的に実現されているという実証的証拠が得られた。
  論文  参考訳（メタデータ） (2026-02-06T01:28:27Z)
• oMeBench: Towards Robust Benchmarking of LLMs in Organic Mechanism Elucidation and Reasoning [44.36582860924775]
  有機化学における有機機構推論のための,最初の大規模で専門家によるベンチマークであるoMeBenchを紹介する。 また,ステップレベルの論理と化学的類似性を組み合わせた動的評価フレームワークoMeSを提案する。
  論文  参考訳（メタデータ） (2025-10-09T03:13:31Z)
• <think> So let's replace this phrase with insult... </think> Lessons learned from generation of toxic texts with LLMs [60.169913160819]
  本稿では, 人為的データに代わる合成毒性データを用いた脱毒訓練モデルの可能性について検討する。 実験によると、合成データに微調整されたモデルは、人間のデータで訓練されたモデルよりも一貫してパフォーマンスが悪くなっている。 根本原因は、致命的な語彙の多様性のギャップとして認識される: LLMは、小さな反復的な侮辱の語彙を用いて、人間の毒性のニュアンスや多様性を捉えるのに失敗する有毒な内容を生成する。
  論文  参考訳（メタデータ） (2025-09-10T07:48:24Z)
• CoTox: Chain-of-Thought-Based Molecular Toxicity Reasoning and Prediction [20.143495021407166]
  大規模言語モデル(LLM)は、ステップバイステップの推論とテキストデータの統合を通じて、有望な代替手段を提供する。 我々は,多毒性予測のためのLLMとチェーン・オブ・シント(CoT)推論を統合する新しいフレームワークであるCoToxを提案する。 GPT-4oを用いて、CoToxが従来の機械学習モデルとディープラーニングモデルの両方より優れていることを示す。
  論文  参考訳（メタデータ） (2025-08-05T07:04:44Z)
• Breaking Bad Molecules: Are MLLMs Ready for Structure-Level Molecular Detoxification? [19.700175505235876]
  ToxiMolは、分子毒性の修復に焦点を当てた汎用マルチモーダル言語モデル(MLLM)のための最初のベンチマークタスクである。 11の一次課題と560の有毒な分子を包含し, 多様な機構と粒度にまたがる標準データセットを構築した。
  論文  参考訳（メタデータ） (2025-06-12T17:25:53Z)
• Aligned Probing: Relating Toxic Behavior and Model Internals [78.20380492883022]
  言語モデル(LM)の振る舞いを協調する新しい解釈可能性フレームワークであるアライメント・プロブリングを導入する。 本フレームワークを用いて,20以上のOLMo,Llama,Mistralモデルについて検討した。 以上の結果から,LMは,特に下層において,入力およびその後の出力の毒性レベルに関する情報を強くエンコードしていることがわかった。
  論文  参考訳（メタデータ） (2025-03-17T17:23:50Z)
• Can LLMs Recognize Toxicity? A Structured Investigation Framework and Toxicity Metric [16.423707276483178]
  本稿では,Large Language Models (LLMs) に基づくロバストなメトリクスを導入し,与えられた定義に従って毒性を柔軟に測定する。 以上の結果から,F1スコアの従来の指標を12ポイント改善し,有毒度を測定できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-10T07:55:27Z)

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。