BioKG Explorer: Interactive Visual Analytics for Biomedical Knowledge Graph Exploration over PrimeKG
يُعد BioKG Explorer تطبيق ويب مفتوح المصدر ومتكامل البنية يتيح تحليلات بصرية تفاعلية دون الحاجة لكتابة أكواد وتوليد الفرضيات عبر الرسم البياني المعرفي الحيوي الضخم PrimeKG، وذلك من خلال الجمع بين تتبع الرسوم البيانية القائم على Neo4j، والتحليلات الخاصة بالأمراض، وتفسيرات المسارات باستخدام النماذج اللغوية الكبيرة ضمن واجهة مستخدم تعتمد على المتصفح.
تخيل جسم الإنسان ليس مجرد مجموعة من الأعضاء، بل كمدينة ضخمة وصاخبة حيث يربط كل شارع فيها نوعاً مختلفاً من المباني. في هذه المدينة، توجد أحياء "الأمراض"، ومصانع "الأدوية"، ومحطات طاقة "الجينات"، وشاحنات توصيل "البروتينات". لعقود من الزمن، حاول العلماء رسم خرائط للطرق بين هذه الأماكن لمعرفة سبب إصابة الناس بالأمراض وكيفية علاجها. تسمى هذه الخريطة "رسم بياني معرفي" (Knowledge Graph). فكر في الأمر كشبكة عملاقة غير مرئية من الروابط؛ إذا سحبت خيطاً واحداً (مثل جين معين)، فقد ترى كيف يؤثر على مرض أو دواء ما. المشكلة هي أن هذه الشبكة أصبحت ضخمة ومتشابكة للغاية — تحتوي على ملايين الروابط — لدرجة أن النظر إليها يشبه محاولة قراءة فهرس مكتبة كاملة عبر التحديق في صورة واحدة ضبابية للمبنى بأكمله. إنها أكبر من أن يستوعبها العقل، وعادةً ما تحتاج إلى أن تكون خبيراً في الكمبيوتر لتسأل سؤالاً بسيطاً مثل: "ما الذي يربط هذا الدواء بهذا المرض؟"
هنا يأتي دور BioKG Explorer، وهي أداة جديدة ابتكرها فيزان فيصل من جامعة كاليفورنيا، ديفيس. إنها تشبه تسليم مراهق فضولي خريطة تفاعلية سحرية لتلك المدينة بأكملة، ولكن مع قوة خارقة: لا تحتاج إلى معرفة أي لغة برمجة لاستخدامها. يقدم البحث تطبيق ويب يتيح لأي شخص النقر، والتكبير، واستكشاف قاعدة بيانات طبية حيوية ضخمة تسمى PrimeKG. هذه القاعدة هي "المدينة" في قصتنا، وتضم 129,375 كياناً مختلفاً (مثل الأمراض، والأدوية، والجينات) وأكثر من 4 ملايين اتصال فيما بينها. قبل ظهور هذه الأداة، كان استكشاف خريطة ضخمة كهذه يتطلب كتابة استعلامات حاسوبية معقدة أو التحديق في مخططات ثابتة وغير قابلة للتغيير. يغير BioKG Explorer قواعد اللعبة من خلال السماح للمستخدمين بالبحث عن مرض أو دواء معين، ثم "التكبير" لرؤية جيرانه المباشرين، أو حتى الطلب من الكمبيوتر إيجاد أقصر مسار بين نقطتين بعيدتين في المدينة.
أما الميزة الأكثر روعة، فهي قدرة الأداة على "التحدث" رداً على الاستكشاف. فعندما تجد مساراً يربط دواءً بمرض ما، يمكن للأداة استخدام الذكاء الاصطناعي (تحديداً نموذج لغوي كبير) لكتابة قصة قصة بلغة بسيطة تشرح لماذا يرتبط هذان الشيئان ببعضهما بناءً على الخريطة التي تنظر إليها. الأمر يشبه امتلاك دليل سياحي لا يخبرك إلا عن الشوارع التي تقف فيها حالياً، مما يضمن أن تكون القصة دائماً مستندة إلى الحقائق التي تراها أمامك. ويحرص المؤلف على ملاحظة أن هذه الأداة مخصرة للاستكشاف وتوليد الفرضيات، وليس لاتخاذ قرارات طبية نهائية. فهي لا تثبت أن دواءً ما سيشفي مرضاً معيناً؛ بل ببساطة تعرض الأدلة والروابط الموجودة حتى يتمكن العلماء من طرح أسئلة أفضل. ومن خلال تحويل قاعدة بيانات ضخمة ومخيفة إلى ساحة لعب تفاعلية وممتعة، يساعد BioKG Explorer الباحثين والعقول الفضولية على التنقل في مدينة البيولوجيا البشرية المعقدة دون الحاجة إلى شهادة في علوم الكمبيوتر.
ملخص تقني: مستكشف BioKG
بيان المشكلة تدمج الرسوم البيانية للمعرفة الطبية الحيوية (KGs)، مثل PrimeKG، كيانات متباينة وهائلة (أمراض، أدوية، جينات، أنماط ظواهر، إلخ) لدعم توليد الفرضيات الانتقالية. ومع ذلك، فإن حجم وتعقيد هذه الرسوم البيانية (يحتوي PrimeKG على حوالي 129 ألف عقدة وحوالي 4 ملايين علاقة) يخلق عوائق كبيرة أمام الاستكشاف. غالبًا ما تتطلب الأدوات الحالية خبرة في لغات الاستعلام (مثل Cypher)، أو تعتمد على تصورات ثابتة، أو تفتقر إلى واجهات تفاعلية لا تتطلب برمجة (no-code) قادرة على التعامل مع مقياس PrimeKG المحدد. علاوة على ذلك، بينما تُستخدم النماذج اللغوية الكبيرة (LLMs) بشكل متزايد لشرح المسارات، فإن التنفيذات الحالية عادة ما تعامل الرسم البياني كركيزة استرجاع صامتة أو تقدم فقط واجهات قائمة على الدردشة، مما يفشل في دمج السردات المولدة بواسطة LLM مباشرة مع لوحة رسم بياني تفاعلية مرئية. هناك فجوة حرجة في الأدوات مفتوحة المصدر التي تجمع بين استكشاف PrimeKG كامل النطاق، وتصور المجموعات الفرعية المتزايدة المحدودة، وشروحات المسارات المحروسة بواسطة LLM ضمن بيئة واحدة تعمل عبر المتصفح.
المنهجية يعد BioKG Explorer تطبيق ويب متكامل المنصات (full-stack) مصمم لسد هذه الفجوات من خلال بنية ثلاثية الطبقات:
طبقة البيانات (Neo4j): يقوم النظام باستيعاب PrimeKG عبر سير عمل قابل لإعادة الإنتاج يعتمد على دفتر ملاحظات (notebook). تقوم هذه العملية بتطبيع بيانات CSV الخام إلى رسم بياني للخصائص (property graph)، مع الحفاظ على البيانات الوصفية الطبية الحيوية والأوصاف النصية. يتم إزالة التكرار من العلاقات لتصبح أزواجًا غير موجهة، وتُثري العقد بحقول نصية قابلة للبحث وتسميات محددة في Neo4j (مثل Disease و Drug و GeneProtein). كما تُخزن التحليلات المحسوبة مسبقًا، بما في ذلك درجات العقد ودرجات تشابه الأمراض (بناءً على الجينات والمسارات والأنماط الظاهرية المشتركة)، لتسهيل التفاعل السريع.
طبقة الخدمة (FastAPI): توفر خلفية برمجية مبنية بلغة بايثون نقاط نهاية RESTful للبحث في الرسم البياني، وتوسيع الجوار بـ "قفزة واحدة" (one-hop)، وحساب أقصر مسار لـ k-الأعلى (باستخدام خوارزمية Yen في Neo4j Graph Data Science)، وتحليلات خاصة بالأمراض. وهي تدير الاتصال بـ Neo4j وتُرجع حمولات JSON التي تحتوي على هياكل الرسم البياني والبيانات الوصفية.
طبقة العرض (React/D3.js): تقوم الواجهة الأمامية بعرض لوحة رسم بياني SVG تفاعلية باستخدام D3.js. وهي تدعم الاستكشاف التدريجي حيث يمكن للمستخدمين تثبيت الكيانات، وتوسيع نطاق الجوار بـ "قفزة واحدة"، والتحكم في العرض دون إعادة تحميل الرسم البياني بالكامل. تقوم الترميزات المرئية بربط أنواع العقد بالألوان ودرجات العقد (المحسوبة مسبقًا) بأحجام العقد.
تكامل LLM المحروس: الميزة الفريدة هي وحدة شرح المسار الاختيارية. عندما يختار المستخدم أقصر مسار، تقوم الخلفية البرمجية ببناء سياق JSON محدود للمجموعة الفرعية المعروضة. يُرسل هذا السياق إلى نموذج Gemini مهيأ مع تعليمات نظام صارمة توجه النموذج لتلخيص الحقائق الموجودة في الرسم البياني المقدم فقط، مع تجنب السببية السريرية أو التشخيص أو توصيات العلاج بشكل صريح. يتم تخزين الشرح الناتج بتنسيق Markdown مؤقتًا وعرضه بجانب المسار المرئي.
المساهمات الرئيسية تقدم الورقة BioKG Explorer كمساهمة أدوات ذات أربع إنجازات تقنية رئيسية:
سير عمل الاستيعاب: خط معالجة يحول PrimeKG إلى تنسيق متوافق مع Neo4j مع الحفاظ على التسميات الدلالية، وأنواع العلاقات، والنصوص القابلة للبحث.
واجهة برمجة تطبيقات متخصصة (API): واجهة برمجة تطبيقات REST تدعم عمليات الرسم البياني المعقدة (البحث، التوسيع، أقصر المسارات) والتحليلات المركزية للأمراض (الأدوية المرشحة، الأمراض المشابهة) دون الحاجة لمعرفة المستخدم بلغة Cypher.
التصور التفاعلي: واجهة متصفح تتميز بتخطيطات مستقرة متزايدة، وقدرات التراجع/الإعادة، ولوحات أدلة خاصة بالأمراض (الأدوية المرشحة ودرجات التشابه) التي تعرض مجموعات فرعية محدودة بدلاً من الرسم البياني الكامل.
سير عمل الشرح المحروس: نظام يدمج السردات المولدة بواسطة LLM مباشرة مع الرسم البياني المرئي، مما يضمن أن الشرح يستند حصريًا إلى سياق الرسم البياني المرئي للمستخدم.
النتائج نجح النظام في تحميل وإدارة النطاق الكامل لـ PrimeKG (129,375 عقدة و 4,050,249 علاقة بعد إزالة التكرار). تمكن الأداة المستخدمين من:
إجراء عمليات بحث نصي كامل لتحديد المواقع للكيانات الطبية الحيوية.
توسيع الجوار المحلي تدريجيًا لفحص السياق دون تدهور في الأداء.
حساب وتصور أعلى k من أقصر المسارات بين الكيانات المصدر والهدف.
الوصول إلى لوحات خاصة بالأمراض تسرد الأدوية المعتمدة، والمستخدمة خارج التسمية (off-label)، والموانع، بالإضافة إلى الأمراض المشابهة مع عدد الأدلة.
توليد تفسيرات باللغة الطبيعية للمسارات المختارة تلخص أدلة الرسم البياني دون تقديم ادعاءات سريرية.
الأهمية والادعاءات يضع المؤلف BioKG Explorer كنمط تنفيذي عملي للتحليلات المرئية المدركة للمصطلحات (ontology-aware). تكمن أهميته في ملء فجوتين محددتين في النظام البيئي مفتوح المصدر:
توفير أداة مفتوحة المص المصدر، لا تتطلب برمجة، وتعمل عبر المتصفح وقادرة على الاستكشاف التفاعلي عند مقياس الـ 4 ملايين حافة الكامل لـ PrimeKG، مما يميزها عن أنظمة PrimeKG الحالية مثل TxGNN Explorer المقتصرة على تنبؤات النماذج المحسوبة مسبقًا بدلاً من التتبع المفتوح للرسم البياني.
دمج شروحات المسارات المروية بواسطة LLM مباشرة في لوحة رسم بياني تفاعلية، متجاوزة الواجهات التي تقتصر على الدردشة فقط أو توليد الأشكال الثابتة.
تذكر الورقة صراحة أن الأداة مصممة للملاحة الاستكشافية، والتفسير، وتوليد الفرضيات، وليس لتقديم ادعاءات سريرية. وهي تؤكد أن النظام يدعم التحليل "المستند إلى الرسم البياني"، مما يسمح للباحثين بالانتقال بسلاسة بين البحث عن الكيانات، والفحص المحلي، وتحليل المسار. ويقر المؤلف بالقيود، مشيرًا إلى أن الأداة ترث تحيزات PrimeKG، وأن أقصر المسارات لا تعني السببية، وأن شروحات LLM هي أدوات تفسيرية وليست سلطات طبية حيوية. يعد هذا العمل أساسًا للأبحاث المستقبلية في التحليلات المرئية المدركة للمصطلحات والذكاء الاصطناعي القابل للتفسير في الطب الحيوي.