論文の概要: AOP-Wiki EMOD 3.0: Data Model Expansions and Content Evaluation Framework for Using Agentic AI to Improve Integration between AOPs and New Approach Methodologies (NAMs)

• arxiv url: http://arxiv.org/abs/2605.21645v1
• Date: Wed, 20 May 2026 18:58:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 20:14:18.479892
• Title: AOP-Wiki EMOD 3.0: Data Model Expansions and Content Evaluation Framework for Using Agentic AI to Improve Integration between AOPs and New Approach Methodologies (NAMs)
• Title（参考訳）: AOP-Wiki EMOD 3.0:AOPと新しいアプローチ方法論(NAM)の統合を改善するためにエージェントAIを使用するデータモデル拡張とコンテンツ評価フレームワーク
• Authors: Virginia K. Hench, J. Harry Caufield, Sierra A. T. Moxon, Jason M. O'Brien, Stephen W. Edwards,
• Abstract要約: 逆アウトカム・パス(英: Adverse Outcome Pathways、AOP)は、実験室で測定できる生物学的メカニズムと有害な結果とを因果的に関連付ける論理モデルである。 AOP-WikiはAOPのグローバルリポジトリとして機能している。 Agentic AIはAOP-Wikiデータモダナイゼーションの取り組みを再活性化した。
• 参考スコア（独自算出の注目度）: 0.20479555799057222
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Adverse Outcome Pathways (AOP) are logic models that causally link biological mechanisms that can be measured in a lab to adverse outcomes, relevant to chemical regulatory endpoints. AOPs contextualize new approach methodologies (NAMs), in vitro and in silico methods used as alternatives to animal testing and the sequential events in an AOP serve as multi-scale models spanning biological scales. The AOP-Wiki serves as the global repository for AOPs. While the AOP-Wiki has played a central role in AOP expansion over the past decade, constraints within the current data model and application infrastructure limit the AOP-Wiki from supporting continued AOP growth and evolution. Yet, the transformative power of agentic AI has re-invigorated AOP-Wiki data modernization efforts at a time when core AOP principles can be harnessed to inform use of AI for aggregating and structuring AOP-relevant information. Seizing upon this momentum, we present AOP-Wiki EMOD 3.0, the third in a series of evidence model prototypes, which concretely demonstrates data model expansions and our vision for how the AOP-Wiki might be transformed to better serve regulatory science and emergent use of AOPs in biomedical and One Health contexts. We aim to lay a foundation to support computationally-generated AOPs and quantitative AOPs (qAOPs) by focussing on solutions for AOP-Wiki internal quality improvement, evidence structuring to enhance AOP FAIRness and AI-readiness, and improved integration between the AOP framework and NAMs to better serve next generation risk assessment.
• Abstract（参考訳）: 逆アウトカムパス(英: Adverse Outcome Pathways、AOP)は、実験室で測定できる生物学的メカニズムを、化学規制の終端に関連する有害な結果に因果的に関連付ける論理モデルである。 AOPは、新しいアプローチ方法論(NAM)、in vitroおよびin vitroメソッド、および動物実験の代替手段として使用されるシリコメソッド、およびAOPにおけるシーケンシャルイベントを、生物学的スケールにまたがるマルチスケールモデルとして機能する。 AOP-WikiはAOPのグローバルリポジトリとして機能している。 AOP-Wikiは、過去10年間、AOPの拡張において中心的な役割を果たしてきたが、現在のデータモデルとアプリケーションインフラストラクチャの制約は、AOP-Wikiが継続的なAOPの成長と進化をサポートすることを制限している。 しかし、エージェントAIの変革的なパワーは、AOP関連情報の集約と構造化にAIを使用するために、コアAOP原則を活用できるように、AOP-Wikiデータモダナイゼーションの取り組みを再活性化させた。 この勢いを踏まえて、AOP-Wiki EMOD 3.0は、一連のエビデンスモデルプロトタイプの第3弾であり、データモデルの拡張と、AOP-Wikiがどのようにして規制科学に役立ち、バイオメディカルおよびワンヘルスの文脈におけるAOPの緊急利用に役立てられるかという私たちのビジョンを具体的に示すものである。 我々は、AOP-Wikiの内部品質改善のソリューション、AOP FAIRnessとAI-readinessを強化するためのエビデンス構造化、次世代のリスクアセスメントに役立てるためにAOPフレームワークとNAMの統合を改善することに焦点を当てて、計算的に生成されたAOPと量的AOP(qAOP)をサポートする基盤を構築することを目的とする。

関連論文リスト

• Poly-EPO: Training Exploratory Reasoning Models [62.82992914206963]
  本稿では,学習後言語モデル(LM)の枠組みについて,楽観的な探索を明示的に奨励し,探索と搾取の相乗効果を促進する。 本稿では,この枠組みを探索と利用を明確に相乗化するための目的として,ポリクロミック探索政策最適化(Poly-EPO)を提案する。
  論文  参考訳（メタデータ） (2026-04-19T22:54:19Z)
• AOP-Smart: A RAG-Enhanced Large Language Model Framework for Adverse Outcome Pathway Analysis [3.432050892192102]
  AOP(Adverse Outcome Pathways)は、毒性研究とリスクアセスメントにおいて重要な知識フレームワークである。 大規模言語モデル(LLM)は、AOP関連の質問応答や機械的推論タスクに徐々に適用されてきた。 幻覚問題の存在により、このモデルは事実と矛盾する内容や証拠の欠如を生じる可能性がある。 本研究では,AOP指向のRetrieval-Augmented Generation(RAG)フレームワークであるAOP-Smartを提案する。
  論文  参考訳（メタデータ） (2026-04-13T00:49:37Z)
• NEARL-CLIP: Interacted Query Adaptation with Orthogonal Regularization for Medical Vision-Language Understanding [51.63264715941068]
  textbfNEARL-CLIP (iunderlineNteracted quunderlineEry underlineAdaptation with ounderlineRthogonaunderlineL regularization)は、VLMベースの新しい相互モダリティ相互作用フレームワークである。
  論文  参考訳（メタデータ） (2025-08-06T05:44:01Z)
• A Survey of Direct Preference Optimization [103.59317151002693]
  LLM(Large Language Models)は、前例のない生成能力を示す。 人的価値との整合性は、有用で無害なデプロイメントを保証する上で、依然として重要です。 直接優先度最適化(DPO)は、最近、合理化された代替案として注目されている。
  論文  参考訳（メタデータ） (2025-03-12T08:45:15Z)
• ALPACA -- Adaptive Learning Pipeline for Comprehensive AI [0.8901073744693314]
  ALPACAは、多様なユーザグループのニーズに対処する包括的なAIパイプラインを提供する。 ビジュアルとコードベースの開発を統合し、AIパイプラインのすべての重要なフェーズを促進する。 このアプリケーションは、類似性認識のためのAndroidアプリによって実証されている。
  論文  参考訳（メタデータ） (2024-12-14T20:10:18Z)
• Exploratory Preference Optimization: Harnessing Implicit Q*-Approximation for Sample-Efficient RLHF [82.7679132059169]
  人間のフィードバックから強化学習が言語モデルのアライメントのための中心的なツールとして登場した。 我々は、RLHFにおけるオンライン探索のための新しいアルゴリズム、Exploratory Preference Optimization (XPO)を提案する。 XPOは証明可能な最強の保証と有望な経験的パフォーマンスを享受しています。
  論文  参考訳（メタデータ） (2024-05-31T17:39:06Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• A general-purpose AI assistant embedded in an open-source radiology information system [0.0]
  我々は,このプラットフォームの新規なHuman-AIパートナーシップ機能について述べる。 我々は、RIS内でアクティブな学習戦略を開発し、人間の放射線学者がAIアノテーションを有効/無効にし、AIアノテーションを「修正」/「延長」することができるようにした。 これにより、放射線技師のユーザと、ユーザ固有のAIモデルとのパートナーシップを確立することができる。
  論文  参考訳（メタデータ） (2023-03-18T05:27:43Z)
• Acquisition Conditioned Oracle for Nongreedy Active Feature Acquisition [16.350351668269415]
  能動的特徴獲得手法(AFA)の開発 私たちは、新しい非パラメトリックオラクルベースのアプローチで、多くの課題を回避できることを示します。
  論文  参考訳（メタデータ） (2023-02-27T17:02:11Z)
• Developing and Operating Artificial Intelligence Models in Trustworthy Autonomous Systems [8.27310353898034]
  このワーク・イン・プログレス・ペーパーはAIベースのASの開発と運用のギャップを埋めることを目的としている。 私たちはそれを実践するために、新しく包括的なDevOpsアプローチを提案します。
  論文  参考訳（メタデータ） (2020-03-11T17:52:30Z)

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。