論文の概要: Large Language Models Meet Biomedical Knowledge Graphs for Mechanistically Grounded Therapeutic Prioritization

• arxiv url: http://arxiv.org/abs/2604.19815v1
• Date: Fri, 17 Apr 2026 15:29:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.555098
• Title: Large Language Models Meet Biomedical Knowledge Graphs for Mechanistically Grounded Therapeutic Prioritization
• Title（参考訳）: バイオメディカル知識グラフを用いた大規模言語モデルによる機械的治療優先順位付け
• Authors: Chih-Hsuan Wei, Chi-Ping Day, Zhizheng Wang, Christine C. Alewine, Betty Tyler, Hasan Slika, David Saraf, Chin-Hsien Tai, Joey Chan, Robert Leaman, Zhiyong Lu,
• Abstract要約: 我々は,バイオメディカル知識グラフ構造と大規模言語モデルに基づく機械的推論を統合するフレームワークであるDrarmKLMを紹介した。 ベンチマークデータセット全体で、TarmKLMは知識グラフのみのベースラインと言語モデルのみのベースラインを上回っている。 これらの結果は、異種生物医学データを機械的に解釈可能で臨床的に根拠付けられた仮説に翻訳するエビデンス統合的な枠組みとしてD薬KLMを確立している。
• 参考スコア（独自算出の注目度）: 5.581471832313308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Drug repurposing is often framed as a candidate identification task, but existing approaches provide limited guidance for distinguishing biologically plausible candidates from historically well-connected ones. Here we introduce DrugKLM, a hybrid framework that integrates biomedical knowledge graph structure with large language model-based mechanistic reasoning to enable mechanistically grounded therapeutic prioritization. Across benchmark datasets, DrugKLM outperforms knowledge graph-only and language model-only baselines, including TxGNN. Beyond improved recall, DrugKLM confidence scores exhibit functional alignment with molecular phenotypes: higher scores are associated with transcriptional signatures linked to improved survival across 12 TCGA cancers. The scoring framework preferentially captures biologically perturbational signals rather than historical indication patterns. Expert curation across five cancers further reveals systematic differences in prioritization behavior, with DrugKLM elevating candidates supported by coherent mechanistic rationale and disease-specific clinical context. Together, these results establish DrugKLM as an evidence-integrative framework that translates heterogeneous biomedical data into mechanistically interpretable and clinically grounded therapeutic hypotheses.
• Abstract（参考訳）: 薬物再資源化は、しばしば候補特定タスクとして扱われるが、既存のアプローチは、生物学的に妥当な候補と歴史的に結びついている候補を区別するための限定的なガイダンスを提供する。 本稿では,バイオメディカル知識グラフ構造と大規模言語モデルに基づく機械的推論を統合するハイブリッドフレームワークであるD薬KLMについて紹介する。 ベンチマークデータセット全体のパフォーマンスは、TxGNNを含む知識グラフと言語モデルのみのベースラインを上回っている。 薬物KLMの信頼スコアは、リコールの改善に加えて、分子性表現型と機能的整合性を示す:高いスコアは、12のTCGAがんにおける生存率の向上に関連する転写上のシグネチャと関連している。 スコアリングフレームワークは、歴史的表示パターンよりも、生物学的に摂動的な信号を優先的にキャプチャする。 5つのがんの専門的なキュレーションにより、優先順位付け行動の体系的な違いが明らかとなり、Cherent mechanistic rationale と disease-specific clinical context によって支持される候補が drugKLM に昇格する。 これらの結果は、不均一な生医学データを機械的に解釈可能で臨床的に根拠付けられた治療仮説に翻訳するエビデンス統合的な枠組みとしてD薬KLMを確立した。

関連論文リスト

• DOGMA: Weaving Structural Information into Data-centric Single-cell Transcriptomics Analysis [43.565183518761984]
  生データの構造的再構成と意味的拡張を目的としたデータ中心型フレームワークであるDOGMAを提案する。 複雑な多種多様なベンチマークにおいて、DOGMA SOTA性能は優れたゼロショットロバスト性とサンプル効率を示す。
  論文  参考訳（メタデータ） (2026-02-02T09:10:09Z)
• From Knowledge to Treatment: Large Language Model Assisted Biomedical Concept Representation for Drug Repurposing [18.010249157176073]
  既存の方法は、現実世界の研究室で常識的なバイオメディカル概念の知識を見落としている。 LLaDR(Large Language Model-assisted framework for Drug Repurposing)を提案する。 ベンチマークに基づく実験は、LLaDRがさまざまなシナリオで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-10-14T06:15:36Z)
• RAG-BioQA Retrieval-Augmented Generation for Long-Form Biomedical Question Answering [0.0]
  本稿では,検索拡張世代とドメイン固有の微調整を組み合わせた新しいフレームワークであるRAG-BioQAについて述べる。 PubMedQAデータセットの実験結果は、ベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-10-02T02:49:09Z)
• Clinical NLP with Attention-Based Deep Learning for Multi-Disease Prediction [44.0876796031468]
  本稿では,電子健康記録テキストの非構造的性質と高次元意味論的複雑さがもたらす課題について論じる。 情報抽出と多ラベル病予測のための統合モデリングを実現するために,注意機構に基づく深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-07-02T07:45:22Z)
• Refine Medical Diagnosis Using Generation Augmented Retrieval and Clinical Practice Guidelines [16.56254046507092]
  GARMLE-Gは、医療用言語モデルの出力を権威的ガイドラインに根拠づけた、世代別検索フレームワークである。 従来のRetrieval-Augmented Generationベースのアプローチとは異なり、GARMLE-Gは権威的なガイドラインコンテンツを直接検索することで幻覚のない出力を可能にする。 高血圧診断のためのプロトタイプシステムを開発し, 検索精度, 意味的関連性, 臨床ガイドラインの適合性を実証した。
  論文  参考訳（メタデータ） (2025-06-22T11:31:13Z)
• Knowledge Graph-Driven Retrieval-Augmented Generation: Integrating Deepseek-R1 with Weaviate for Advanced Chatbot Applications [45.935798913942904]
  構造化バイオメディカル知識と大規模言語モデル(LLM)を組み合わせた革新的なフレームワークを提案する。 本システムでは,年齢関連黄斑変性(AMD)に関する医学的要約から因果関係を同定・精査し,詳細な知識グラフを作成する。 ベクトルベース検索と局所展開言語モデルを用いて,臨床証拠を直接参照して,文脈的に関連性があり,検証可能な応答を生成する。
  論文  参考訳（メタデータ） (2025-02-16T12:52:28Z)
• Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
  大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。 RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
  論文  参考訳（メタデータ） (2024-07-17T07:44:18Z)
• Multiscale Topology in Interactomic Network: From Transcriptome to Antiaddiction Drug Repurposing [0.3683202928838613]
  米国における薬物依存の激化は、革新的な治療戦略の緊急の必要性を浮き彫りにしている。 本研究は,オピオイドおよびコカイン依存症治療の薬物再服用候補を探索するための,革新的で厳格な戦略に着手した。
  論文  参考訳（メタデータ） (2023-12-03T04:01:38Z)
• 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)
• Fine-tuning Pretrained Language Models with Label Attention for Explainable Biomedical Text Classification [1.066048003460524]
  PTMの微調整プロセスに意味ラベル記述を注入するための改良されたラベルアテンションに基づくアーキテクチャを開発した。 2つの公開医療データセットの結果、提案手法は従来の微調整PTMと先行技術モデルよりも優れていた。
  論文  参考訳（メタデータ） (2021-08-26T14:23:06Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。