- 1次围观
当使用基于生物医学计算推理系统分析基于本体的知识图谱（knowledge graph，KG；包含有关基因、通路、表型和分子相互作用的信息）时，系统可能返回不希望出现的通用概念。在针对某种疾病的潜在药物治疗进行查询的情境下，此类通用概念可能包括“药物制剂”或“抗生素”。根据人工整理的排除列表或本体信息量（Information Content，IC）对答案进行过滤是一种解决方法；但据我们所知，（1）这两种方法均未通过专家对概念一般性的判断进行验证；（2）在本研究所使用的代表性知识图谱中，大多数节点并不具备IC值。在本研究中，三名对实验条件不知情的领域专家对具有代表性的知识图谱概念列表的一般性进行了评分。我们利用生物医学语言模型（BioLORD），仅基于概念的名称和描述构建了语义精确度评分（semantic precision score，SPS）。为从生物医学查询返回的结果中过滤通用答案，我们针对200种疾病的查询，对人工整理的概念排除列表和两个IC阈值进行了比较。IC评分与专家判断达到中等程度的一致性（Spearman {rho} = 0.59），但在IC区间内的分辨率较低，甚至呈负向。SPS达到{rho} = 0.76，在每个区间内均保持其排序，并且对于不具备IC值的50个概念仍具有信息性（{rho} = 0.59）。在其决策边界处，语义过滤器从33,161个查询答案中移除了1,502个，几乎是排除列表所移除的513个的三倍；与此同时，与查询特异性DrugCentral适应证相比，其移除数量更少。IC阈值要么仅移除少量答案，要么移除大量已获批准的药物。由于这些列表还用于指导模型选择，我们在冻结模型的条件下，针对另外200种疾病重复了比较。SPS过滤器从91,203个答案中移除了5,135个，而排除列表仅移除了1,419个；在1,296个适应证中，SPS过滤器没有遗漏任何一个，而排除列表遗漏了17个；此外，对于DrugCentral中从未见过的半数数据，SPS移除已获批准药物的频率并不高于其训练所使用的半数数据。与本体位置相比，语义含义能够更忠实地捕捉专家对特异性的判断；因此，语义评分可以替代IC和人工维护的排除列表，用于过滤药物再利用结果。
当使用基于本体的知识图谱（KG，其中包含关于基因、通路、表型和分子相互作用的信息）进行生物医学计算推理时，系统可能会返回不需要的通用概念。在针对某种疾病的潜在药物治疗进行查询时，这类通用概念可能包括“药物制剂”或“抗生素”。根据人工整理的屏蔽列表或本体信息量（Information Content，IC）对答案进行过滤是一种解决方法，但据我们所知，（1）这两种方法均未通过专家对概念一般性的判断进行验证；（2）在本研究所使用的代表性知识图谱中，大多数节点都无法获得IC值。在本研究中，三名对研究内容设盲的领域专家对具有代表性的知识图谱概念列表进行了一般性评级。我们仅依据概念的名称和描述，利用生物医学语言模型（BioLORD）构建了语义精确度评分（semantic precision score，SPS）。为了从生物医学查询返回的结果中过滤掉通用答案，我们针对200种疾病进行查询，并比较了人工整理的概念屏蔽列表和两个IC阈值。IC评分与专家判断呈中等程度的一致性（Spearman ρ = 0.59），但在IC区间内的分辨率很低，甚至呈负分辨率。SPS达到ρ = 0.76，在每个区间内均保持其排序，并且对于缺乏IC值的50个概念仍具有信息性（ρ = 0.59）。在其决策边界处，语义过滤器从33,161个查询答案中移除了1,502个，几乎是屏蔽列表所移除的513个的三倍；与此同时，语义过滤器移除的查询特异性DrugCentral适应证更少。IC阈值要么仅移除少量答案，要么移除大量已获批准的药物。由于这些列表还参与了模型选择，我们在另外200种疾病上、在模型固定的情况下重复了比较。SPS过滤器从91,203个答案中移除了5,135个，而屏蔽列表移除了1,419个；在1,296个适应证中，SPS过滤器一个也未误删，而屏蔽列表误删了17个；此外，在DrugCentral中模型从未见过的那一半数据中，SPS过滤器移除已获批准药物的频率并不高于其训练所使用的那一半数据。与本体位置相比，语义含义能够更忠实地反映专家对特异性的判断；因此，语义评分可以取代IC和人工维护的屏蔽列表，用于过滤药物再利用结果。
感谢您有兴趣传播bioRxiv的相关信息。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.29.755063v1?rss=1
🏷️ 知识图谱 药物重定位 语义评分 生物医学语言模型 本体信息量 结果过滤