Конвейер обработки данных с использованием искусственного интеллекта для моделирования и анализа сетей регуляции генов

Этот проект объединяет генеративный ИИ и логический ИИ для создания интегрированного процесса, конвейера, который извлекает большие объемы научной информации и создает логические модели, которые могут быть проверены и использованы экспертами. Наши цели — организовать и проанализировать с помощью ИИ и других инструментов поиска биоинформации документацию, связанную с определенной областью, и извлечь проверенные знания для поддержки планирования решения проблем. Мы протестировали нашу методологию и конвейер на эксперименте с COVID-19, о котором также сообщаем. Инструмент помог команде биологов оценить современное состояние дел и справиться с резким ростом числа научных работ во время пандемии. Основным продуктом конвейера является сеть генной регуляции (GRN); семантическая карта, представляющая собой отображение причинно-следственных связей в системной биологии, которая, в свою очередь, может быть использована для изучения различных стратегий вмешательства и лечения. Конвейер (названный Biopatternsg) был структурирован вокруг трех основных задач: а) сбор данных и информации; b) использование генеративного ИИ и больших языковых моделей (LLM) для автоматического извлечения биологических объектов и их биологических взаимосвязей, и c) использование логического ИИ для управления информацией, полученной в пунктах a) и b), и ее объединения с консервативными критериями, представленными в виде баз знаний на языке Prolog. Система также отслеживает и обеспечивает доступ ко всем исходным документам, используемым в качестве источников знаний. Мы считаем, что этот конвейер полезен для углубления понимания COVID-19. Мы также организовали систематическую оценку biopatternsg как метода для создания генных регуляторных сетей (GRN). Оценка распознавания имен показывает средний показатель F1-Score 0,9069 с дисперсией 0,0145 среди 30 сетей, используемых в качестве эталонного стандарта. Это указывает на отличную способность распознавать названия реальных биологических объектов. Результаты на других уровнях оценки не очень хороши, например, средний показатель F1-Score составляет 0,2306 с дисперсией 0,0218. Стоит отметить значительную разницу между точностью (Precision) и полнотой (Recall). Система даже демонстрирует идеальную полноту (1,0) в некоторых сетях, но точность всегда ниже 0,5, что снижает показатель F1-меры. Мы обсуждаем эти результаты и объясняем, почему даже частичный успех с полнотой является обнадеживающим.Репозиторий Biopatternsg находится по адресу: https://github.com/biopatternsg/biopatternsgДополнительные материалы находятся в: https://github.com/biopatternsg/biopatternsg/tree/feature/evaluation