BioKG Explorer: Interactive Visual Analytics for Biomedical Knowledge Graph Exploration over PrimeKG

技術要約: BioKG Explorer

問題提起
PrimeKGのような生物医学的知識グラフ（KG）は、翻訳的な仮説生成を支援するために、膨大なヘテロジニアスなエンティティ（疾患、薬物、遺伝子、表現型など）を統合しています。しかし、これらのグラフの規模と複雑さ（PrimeKGは約12.9万個のノードと約400万個の関係を含む）は、探索における大きな障壁となっています。既存のツールは、クエリ言語（Cypherなど）の専門知識を必要としたり、静的な可視化に依存していたり、あるいはPrimeKGの特定のスケールを扱うことができるインタラクティブでノーコードなインターフェースを欠いていたりすることがよくあります。さらに、大規模言語モデル（LLM）はパスの説明にますます活用されていますが、現在の実装は通常、グラフを「静かな検索基盤」として扱うか、チャットベースのインターフェースのみを提供しており、LLMが生成したナラティブをインタラクティブで視覚的なグラフキャンバスに直接統合できていません。フルスケールのPrimeKG探索、限定的な増分サブグラフ可視化、およびガード付きのLLMパス説明を、単一のブラウザベースの環境内で組み合わせることができるオープンソースのツールには、決定的な空白が存在します。

手法
BioKG Explorerは、以下の3層アーキテクチャを通じてこれらのギャップを埋めるように設計されたフルスタックWebアプリケーションです。

1. データ層 (Neo4j): システムは、再現可能なノートブックベースのワークフローを介してPrimeKGを取り込みます。このプロセスは、生のCSVデータをプロパティグラフへと正規化し、生物医学的なメタデータとテキスト記述を保持します。関係性は無向ペアへと重複排除され、ノードは検索可能なテキストフィールドと特定のNeo4jラベル（例：Disease, Drug, GeneProtein）で強化されます。ノードの次数や、共通の遺伝子・経路・表現型に基づく疾患類似度スコアなどの事前計算されたアナリティクスも、迅速なインタラクションを容易にするために保存されます。
2. サービス層 (FastAPI): Pythonベースのバックエンドは、グラフ検索、1ホップ近傍の拡張、トップk最短パスの計算（Neo4j Graph Data ScienceのYen'sアルゴリズムを使用）、および疾患特異的なアナリティクスのためのRESTfulエンドポイントを公開します。これはNeo4jへの接続を管理し、グラフ構造とメタデータを含むJSONペイロードを返します。
3. プレゼンテーション層 (React/D3.js): フロントエンドは、D3.jsを使用してインタラクティブなSVGグラフキャンバスをレンダリングします。ユーザーがエンティティをピン留めし、1ホップ近傍を拡張し、グラフ全体を再読み込みすることなくビューを操作できる、増分的な探索をサポートしています。視覚的エンコーディングは、ノードのタイプを色に、事前計算された次数をノードのサイズにマッピングします。
4. ガード付きLLM統合: ユニークな機能として、オプションのパス説明モジュールがあります。ユーザーが最短パスを選択すると、バックエンドは表示されているサブグラフの限定的なJSONコンテキストを構築します。このコンテキストは、臨床的な因果関係、診断、または治療の推奨を明示的に避けるよう、厳格なシステムプロンプトに従って構成されたGeminiモデルに送信されます。生成されたMarkdown形式の説明はキャッシュされ、視覚的なパスと共に表示されます。

主な貢献
本論文は、BioKG Explorerを、4つの主要な技術的成果を持つツールとしての貢献として提示しています。

• 取り込みワークフロー: セマンティックラベル、関係タイプ、および検索可能なテキストを保持しながら、PrimeKGをNeo4j互換の形式に変換するパイプライン。
• 特化型API: ユーザーがCypherの知識を必要とせずに、複雑なグラフ操作（検索、拡張、最短パス）や疾患中心のアナリティクス（候補薬物、類似疾患）をサポートするREST API。
• インタラクティブな可視化: 安定した増分レイアウト、元に戻す/やり直す機能、およびフルグラフではなく限定されたサブグラフをレンダリングする疾患特異的なエビデンスパネルを備えたブラウザベースのインターフェース。
• ガード付き説明ワークフロー: LLMによるパスのナラティブを視覚的なグラフに直接統合し、その説明がユーザーに見えているサブグラフのコンテキストに厳密に基づいていることを保証するシステム。

結果
システムは、PrimeKGのフルスケール（129,375個のノードと4,050,249個の重複排除された関係）を正常にロードし、管理しています。このツールにより、ユーザーは以下を実行できます。

• 生物医学的エンティティを特定するためのフルテキスト検索。
• パフォーマンスの低下なしに、ローカルな近傍を増分的に拡張してコンテキストを調査すること。
• ソースとターゲットのエンティティ間のトップk最短パスの計算と可視化。
• 承認済み、適応外、および禁忌の薬物、ならびにエビデンス数を含む類似疾患をリストする疾患特異的パネルへのアクセス。
• 臨床的な主張を行わずに、グラフのエビデンスを要約する自然言語によるパスの説明の生成。

意義と主張
著者は、BioKG Explorerを、オントロジー認識型の視覚的分析のための実用的な実装パターンとして位置付けています。その意義は、オープンソースのエコシステムにおける2つの特定の空白を埋めることにあります。

1. 既存のPrimeKGネイティブなシステム（TxGNN Explorerのように、事前計算されたモデル予測に限定されており、オープンなグラフ探索はできないもの）とは異なり、400万エッジのフルスケールのPrimeKGにおいて、インタラクティブな探索が可能なオープンソースのノーコード・ブラウザベースのツールを提供すること。
2. LLMによるパスの説明を、チャット専用のインターフェースや静的な図の生成を超えて、インタラクティブなグラフキャンバスに直接統合すること。

本論文は、このツールが探索的なナビゲーション、解釈、および仮説生成のために設計されており、臨床的な主張を行うためのものではないことを明示しています。また、システムが「グラフに根ざした（graph-grounded）」分析をサポートしており、ユーザーがエンティティ検索、ローカルな検査、およびパス分析の間を流動的に移動できることを強調しています。著者は、ツールがPrimeKGのバイアスを継承していること、最短パスは因果関係を意味しないこと、そしてLLMによる説明は解釈的な補助手段であり生物医学的な権威ではないことなど、限界についても認めています。本研究は、オントロジー認識型の視覚的分析および生物医学における説明可能なAIの研究への基礎となるものです。