論文の概要: Expert Knowledge & Machine Understanding: Bridging Reactome's Ontology with LLM Semantic Embeddings
- arxiv url: http://arxiv.org/abs/2608.28178v1
- Date: Fri, 28 Aug 2026 10:44:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.292483
- Title: Expert Knowledge & Machine Understanding: Bridging Reactome's Ontology with LLM Semantic Embeddings
- Title（参考訳）: 専門知識と機械理解 - ReactomeのオントロジーをLLMセマンティックな埋め込みでブリッジする
- Abstract要約: Reactomeのような生物学的知識ベースは、生物学的要素の関係やテキスト記述(Metadata)を含む高品質な経路を提供する。
本研究では,Reactomeにおける人文記述が,専門家が定義したグローバル階層構造を推測するために利用できるかどうかを考察する。
- 参考スコア（独自算出の注目度）: 0.1957338076370071
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biological knowledgebases like Reactome provide high-quality pathways that include biological elements' relationships and textual descriptions (metadata). The quality of such pathways is granted by manual curation, that presents, however, significant scalability challenges. Lately, numerous NLP tools have been proposed to cope with this issue, leveraging textual information to automatically expand biological knowledgebases. However, little exploration has been done so far to assess whether relationships among textual descriptions mirror higher order biological relationships. This study explores whether human-written descriptions in Reactome can be used to infer the experts' defined global hierarchical structure. To test this, we extracted from Reactome the Homo Sapiens hierarchy of pathways and their reactions (Reactome Hierarchy), and used textual metadata to reconstruct a Semantic Hierarchy, combining a sentence transformer model (SPECTER2) with a modified agglomerative nesting algorithm and a graph reconstruction algorithm. Quantitative (Laplacian Spectral Distance and Bootstrapping) and qualitative (global topological metrics) analyses confirm our hypothesis and indicate that the global hierarchical structure of pathways can be inferred by experts textual metadata.
- Abstract（参考訳）: Reactomeのような生物学的知識ベースは、生物学的要素の関係やテキスト記述(metadata)を含む高品質な経路を提供する。
このような経路の質は、手作業によるキュレーションによって与えられる。
近年,生物学的知識ベースを自動的に拡張するためにテキスト情報を活用するNLPツールが多数提案されている。
しかし、テキスト記述間の関係が高次生物関係を反映しているかどうかを評価するため、これまではほとんど調査されていない。
本研究では,Reactomeにおける人文記述が,専門家が定義したグローバル階層構造を推測するために利用できるかどうかを考察する。
これをテストするために、ReactomeのHomo Sapiens階層とその反応(Reactome Hierarchy)から抽出し、テキストメタデータを用いてセマンティック階層を再構築し、文トランスフォーマーモデル(SPECTER2)と修正アグリメティブネストアルゴリズムとグラフ再構成アルゴリズムを組み合わせた。
定量的(Laplacian Spectral Distance and Bootstrapping)および定性的(Global Topological Metrics)分析により,この仮説が確定し,専門家のテキストメタデータから経路のグローバル階層構造を推定できることが示唆された。
関連論文リスト
- Beyond Single Character: Evaluating MLLMs for Sentence-Level Oracle Bone Inscription Understanding [52.79561716745463]
文レベルOBI理解におけるMLLMの評価のための新しいベンチマークであるS-OBIを紹介する。
S-OBIはグリフ置換と合成により、明瞭で標準化された文レベルのOBIインスタンスを合成する。
実験により, 文レベルOBI理解における現代MLLMの劣性を明らかにする。
論文 参考訳（メタデータ） (2026-06-30T05:59:44Z) - CAPSUL: A Comprehensive Human Protein Benchmark for Subcellular Localization [50.559485139565076]
我々は, 多様な3次元構造表現と微細な細胞内局在アノテーションを統合するデータセットである $mathbfCAPSUL$ という新しいベンチマークを導入する。
このベンチマークは、様々な最先端のシーケンスベースモデルと構造ベースモデルを用いて評価し、この課題に構造的特徴を関与させることの重要性を示す。
最後に,Golgi 装置のケーススタディを通じて,構造に基づく手法の強力な解釈可能性を示す。
論文 参考訳（メタデータ） (2026-03-19T07:33:04Z) - Retrieval Augmented Generation of Literature-derived Polymer Knowledge: The Example of a Biodegradable Polymer Expert System [4.222675210976564]
高分子文学は、大きくて成長する実験的な知識を含んでいる。
その多くは、構造化されていないテキストと一貫性のない用語に埋もれている。
既存のツールは通常、狭く、研究固有の事実を分離して抽出する。
論文 参考訳（メタデータ） (2026-02-18T17:46:09Z) - DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing [53.85037373860246]
本稿では,情報統合能力を客観的に評価するためのベンチマークであるDeep Synth-Evalを紹介する。
一般チェックリスト(実例)と制約チェックリスト(構造体)を用いたきめ細かい評価プロトコルを提案する。
その結果,エージェント型プラン・アンド・ライトは単ターン生成よりも大幅に優れていた。
論文 参考訳（メタデータ） (2026-01-07T03:07:52Z) - Towards Unified Vision Language Models for Forest Ecological Analysis in Earth Observation [10.566310652119148]
REO-Instructは、地球観測データセットにおける記述的タスクと回帰的タスクの両方のために設計された最初の統一ベンチマークである。
このデータセットは、共登録されたSentinel-2とALOS-2の画像と、ハイブリッドAIパイプラインを通じて生成された構造化テキストアノテーションを統合し、検証する。
論文 参考訳（メタデータ） (2025-11-20T23:28:30Z) - Biomedical Hypothesis Explainability with Graph-Based Context Retrieval [13.805590287547792]
本稿では,バイオメディカル仮説生成システムにおける説明可能性について紹介する。
提案手法は,意味グラフに基づく検索と関連するデータ制限学習を組み合わせて,実世界の発見制約をシミュレートする。
論文 参考訳（メタデータ） (2025-09-15T09:50:51Z) - HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。
システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
論文 参考訳（メタデータ） (2025-08-01T20:30:42Z) - Mixture of Structural-and-Textual Retrieval over Text-rich Graph Knowledge Bases [78.62158923194153]
テキストリッチなグラフ知識ベース(TG-KB)は、テキストおよび構造的知識を提供することで、クエリに応答する上でますます重要になっている。
本研究では,これら2種類の知識を計画・推論・組織化フレームワークを用いて検索するための構造・テキスト検索(MoR)の混合を提案する。
論文 参考訳（メタデータ） (2025-02-27T17:42:52Z) - Automated Retrosynthesis Planning of Macromolecules Using Large Language Models and Knowledge Graphs [11.191853171170516]
大規模言語モデル(LLM)と知識グラフを統合するエージェントシステムを提案する。
本システムは,関係する文献の検索,反応データの抽出,データベースクエリ,逆合成経路木の構築を完全自動化する。
この研究は、LLMを動力とするマクロ分子に特化して、完全に自動化された再合成計画薬を開発する最初の試みである。
論文 参考訳（メタデータ） (2025-01-15T16:06:10Z) - Unsupervised hierarchical clustering using the learning dynamics of RBMs [0.0]
Restricted Boltzmann Machine (RBM) の学習力学を利用した関係データツリー構築のための新しい汎用的手法を提案する。
提案手法は,Plefka拡張から派生した平均場アプローチに基づいて,無秩序なシステムの文脈で開発された。
人工的に階層的なデータセットと3つの異なる実世界のデータセット(桁のイメージ、ヒトゲノムの突然変異、タンパク質のファミリー)でテストした。
論文 参考訳（メタデータ） (2023-02-03T16:53:32Z) - Provable Hierarchy-Based Meta-Reinforcement Learning [50.17896588738377]
HRLをメタRL設定で解析し、下流タスクで使用するメタトレーニング中に学習者が潜在階層構造を学習する。
我々は、この自然階層の標本効率の回復を保証し、抽出可能な楽観主義に基づくアルゴリズムとともに「多様性条件」を提供する。
我々の境界は、時間的・状態的・行動的抽象化などのHRL文献に共通する概念を取り入れており、我々の設定と分析が実際にHRLの重要な特徴を捉えていることを示唆している。
論文 参考訳（メタデータ） (2021-10-18T17:56:02Z)
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。