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

Technische Samenvatting: BioKG Explorer

Probleemstelling
Biomedische kennisgrafen (KGs) zoals PrimeKG integreren enorme hoeveelheden heterogene entiteiten (ziektes, medicijnen, genen, fenotypes, etc.) om translationele hypothesegeneratie te ondersteunen. Echter, de schaal en complexiteit van deze grafen (PrimeKG bevat ~129k knopen en ~4M relaties) creëren aanzienlijke barrières voor exploratie. Bestaande tools vereisen vaak expertise in querytalen (bijv. Cypher), vertrouwen op statische visualisaties, of missen interactieve, no-code interfaces die in staat zijn de specifieke schaal van PrimeKG aan te kunnen. Bov�and de hoewel Large Language Models (LLMs) steeds vaker worden gebruikt voor padverklaringen, behandelen huidige implementaties de graaf doorgaans als een stil retrieval-substraat of bieden ze slechts chat-gebaseerde interfaces, waarbij ze er niet in slagen de door LLM gegenereerde narratieven direct te integreren met een interactief, visueel grafisch canvas. Er is een kritiek gat in open-source tools die de volledige schaal van PrimeKG-exploratie, gebonden incrementele subgraaf-visualisatie en beveiligde LLM-padverklaringen combineren binnen één enkele, browsergebaseerde omgeving.

Methodologie
BioKG Explorer is een full-stack webapplicatie die ontworpen is om deze hiaten te overbruggen via een drielaagse architectuur:

1. Datalayer (Neo4j): Het systeem importeert PrimeKG via een reproduceerbare notebook-gebaseerde workflow. Dit proces normaliseert de ruwe CSV-data naar een property graph, waarbij de biomedische metadata en tekstbeschrijvingen behouden blijven. Relaties worden gededupliceerd tot ongerichte paren, en knopen worden verrijkt met doorzoekbare tekstvelden en specifieke Neo4j-labels (bijv. Disease, Drug, GeneProtein). Voorgeprogrammeerde analytics, inclusclusief node-graden en ziekte-gelijkenisscores (gebaseerd op gedeelde genen, pathways en fenotypes), worden opgeslagen om snelle interactie te faciliteren.
2. Service Layer (FastAPI): Een Python-gebaseerde backend legt RESTful endpoints bloot voor graaf-zoekopdrachten, one-hop buurt-expansie, top-k kortste pad-berekening (met behulp van de Yen's algoritme uit de Neo4j Graph Data Science) en ziekte-specifieke analytics. Het beheert de verbinding met Neo4j en retourneert JSON-payloads die de grafenstructuren en metadata bevatten.
3. Presentatie Laag (React/D3.js): De frontend rendert een interactief SVG-grafisch canvas met behulp van D3.js. Het ondersteunt incrementele exploratie waarbij gebruikers entiteiten kunnen vastzetten (pin), one-hop buren kunnen uitbreiden en het weergavevenster kunnen manipuleren zonder de gehele graaf opnieuw te laden. Visuele coderingen koppelen node-typen aan kleuren en vooraf berekende graden aan de grootte van de knopen.
4. Beveiligde LLM-integratie: Een uniek kenmerk is de optionele module voor padverklaring. Wanneer een gebruiker een kortste pad selecteert, construeert de backend een gebonden JSON-context van de getoonde subgraaf. Deze context wordt naar een geconfigureerd Gemini-model gestuurd met strikte systeem-prompts die het LLM instrueren om alleen de verstrekte grafiekenmerken samen te vatten, waarbij expliciet klinische causaliteit, diagnose of behandeladviezen worden vermeden. De resulterende Markdown-verklaring wordt gecached en weergegeven naast het visuele pad.

Belangrijkste Bijdragen
Het artikel presenteert BioKG Explorer als een tool-bijdrage met vier primaire technische prestaties:

• Ingestie-workflow: Een pijplijn die PrimeKG transformeert naar een Neo4j-compatibel formaat terwijl semantische labels, relatietypen en doorzoekbare tekst behouden blijven.
• Gespecialiseerde API: Een REST API die complexe grafenoperaties ondersteunt (zoeken, expansie, kortste paden) en ziekte-gecentreerde analytics (kandidaat-medicijnen, gelijkaardige ziekten) zonder dat de gebruiker kennis van Cypher vereist.
• Interactieve Visualisatie: Een browsergebaseerde interface met stabiele incrementele layouts, undo/redo-mogelijkheden en ziekte-specifieke bewijspanelen (kandidaat-medicijnen en gelijkenisscores) die gebonden subgrafen renderen in plaats van de volledige graaf.
• Beveiligde Verklaring-workflow: Een systeem dat LLM-gegenereerde pad-narratieven direct integreert met de visuele graaf, waarbij wordt gewaarborgd dat de verklaring strikt gegrond is in de door de gebruiker zichtbare subgraaf-context.

Resultaten
Het systeem laadt en beheert succesvol de volledige schaal van PrimeKG (129.375 knopen en 4.050.249 gededupliceerde relaties). De tool stelt gebruikers in staat om:

• Full-text zoekopdrachten uit te voeren om biomedische entiteiten te lokaliseren.
• Lokale buren incrementeel uit te breiden om de context te inspecteren zonder prestatieverlies.
• Top-k kortste paden tussen bron- en doelentiteiten te berekenen en te visualiseren.
• Toegang te krijgen tot ziekte-specifieke panelen die goedgekeurde, off-label en gecontra-indiceerde medicijnen opsommen, evenals gelijkaardige ziekten met bewijs-aantallen.
• Natuurlijke taal-verklaringen te genereren voor geselecteerde paden die de grafische bewijslast samenvatten zonder klinische claims te maken.

Significantie en Claims
De auteur positioneert BioKG Explorer als een praktisch implementatiepatroon voor ontologie-bewuste visuele analytics. De significantie ligt in het vullen van twee specifieke hiaten in het open-source ecosysteem:

1. Het bieden van een open-source, no-code, browsergebaseerde tool die in staat is tot interactieve exploratie op de volledige schaal van 4 miljoen randen van PrimeKG, wat het onderscheidt van bestaande PrimeKG-natuurlijke systemen zoals TxGNN Explorer, die beperkt zijn tot vooraf berekende modelvoorspellingen in plaats van open graaf-traversering.
2. Het integreren van LLM-genereerde pad-verklaringen direct in een interactief grafisch canvas, waarmee men verder gaat dan alleen chat-interfaces of statische figuurgeneratie.

Het artikel stelt expliciet dat de tool is ontworpen voor exploratieve navigatie, interpretatie en hypothesegeneratie, en niet voor het maken van klinische claims. Het benadrukt dat het systeem "graaf-gegronde" analyse ondersteunt, waardoor onderzoekers vloeiend kunnen bewegen tussen entiteit-zoeken, lokale inspectie en pad-analyse. De auteur erkent beperkingen en merkt op dat de tool de biases van PrimeKG overneemt, dat kortste paden geen causaliteit impliceren, en dat de LLM-verklaringen interpretatieve hulpmiddelen zijn en geen biomedische autoriteiten. Het werk dient als fundament voor toekomstig onderzoek naar ontologie-bewuste visuele analytics en uitlegbare AI in de biomedische wetenschappen.