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

技术摘要：BioKG Explorer

问题陈述
诸如 PrimeKG 之类的生物医学知识图谱（KGs）整合了海量的异构实体（疾病、药物、基因、表型等），用以支持转化假设的生成。然而，这些图谱的规模和复杂性（PrimeKG 包含约 12.9 万个节点和约 400 万条关系）为探索工作制造了显著障碍。现有的工具通常需要查询语言专业知识（如 Cypher）、依赖静态可视化，或者缺乏能够处理 PrimeKG 特定规模的交互式无代码界面。此外，虽然大语言模型（LLMs）越来越多地被用于路径解释，但目前的实现通常将图谱视为沉默的检索基质，或仅提供基于对话的界面，未能将 LLM 生成的叙述直接与交互式、可视化的图画布集成。在开源工具领域，存在一个关键空白，即缺乏能够在单一浏览器环境中结合全规模 PrimeKG 探索、受限增量子图可视化以及受保护的 LLM 路径解释的工具。

方法论
BioKG Explorer 是一个全栈 Web 应用程序，旨在通过三层架构弥补这些差距：

1. 数据层 (Neo4j)： 系统通过一个可复现的基于 Notebook 的工作流摄取 PrimeKG。该过程将原始 CSV 数据规范化为属性图，保留了生物医学元数据和文本描述。关系被去重为无向对，节点通过可搜索的文本字段和特定的 Neo4j 标签（例如 Disease、Drug、GeneProtein）进行增强。预计算的分析（包括节点度数和基于共享基因、通路及表型的疾病相似度得分）被存储起来，以促进快速交互。
2. 服务层 (FastAPI)： 基于 Python 的后端为图搜索、一跳邻域扩展、前 k 个最短路径计算（使用 Neo4j 图数据科学中的 Yen 算法）以及疾病特定分析提供 RESTful 端点。它管理与 Neo4j 的连接，并返回包含图结构和元数据的 JSON 载荷。
3. 展示层 (React/D3.js)： 前端使用 D3.js 渲染一个交互式 SVG 图画布。它支持增量探索，用户可以固定实体、扩展一跳邻域并操纵视图，而无需重新加载整个图谱。视觉编码将节点类型映射到颜色，并将预计算的度数映射到节点大小。
4. 受保护的 LLM 集成： 一个独特的特性是可选的路径解释模块。当用户选择一条最短路径时，后端会构建当前显示的子图的受限 JSON 上下文。该上下文被发送到配置好的 Gemini 模型，并配有严格的系统提示词，指示 LL 模型仅总结提供的图事实，明确避免涉及临床因果关系、诊断或治疗建议。生成的 Markdown 解释会被缓存并显示在视觉路径旁。

核心贡献
本文将 BioKG Explorer 作为一种工具贡献，提出了四个主要的工程成就：

• 摄取工作流： 一个将 PrimeKG 转化为兼容 Neo4j 格式的流水线，同时保留了语义标签、关系类型和可搜索文本。
• 专门的 API： 一个支持复杂图操作（搜索、扩展、最短路径）和以疾病为中心的分析（候选药物、相似疾病）的 REST API，无需用户具备 Cypher 知识。
• 交互式可视化： 一个具有稳定增量布局、撤销/重做功能以及疾病特定证据面板（候选药物和相似度得分）的浏览器界面，该界面渲染的是受限的子图而非全量图谱。
• 受保护的解释工作流： 一个将 LLM 生成的路径叙述直接集成到视觉图谱中的系统，确保解释严格基于用户可见的子图上下文。

结果
该系统成功加载并管理了 PrimeKG 的全规模数据（129,375 个节点和 4,050,249 条去重后的关系）。该工具使用户能够：

• 执行全文本搜索以定位生物医学实体。
• 增量扩展局部邻域，以在不降低性能的情况下检查上下文。
• 计算并可视化源实体与目标实体之间的前 k 个最短路径。
• 访问包含已批准、标签外使用及禁忌药物，以及带有证据计数的相似疾病的疾病特定面板。
• 为选定的路径生成自然语言解释，在不做出临床主张的前提下总结图谱证据。

意义与声明
作者将 BioKG Explorer 定位为本体感知视觉分析的一种实用实现模式。其意义在于填补了开源生态系统中的两个特定空白：

1. 提供了一个开源的、无代码的、基于浏览器的工具，能够处理 PrimeKG 全量 400 万条边规模的交互式探索，这使其区别于现有的 PrimeKG 原生系统（如 TxGNN Explorer），后者局限于预计算的模型预测而非开放的图遍历。
2. 将 LLM 叙述的路径解释直接集成到交互式图画布中，超越了仅限对话的界面或静态图形生成。

本文明确指出，该工具旨在用于探索性导航、解释和假设生成，而非做出临床主张。它强调系统支持“以图为基础”的分析，允许研究人员在实体搜索、局部检查和路径分析之间流畅切换。作者承认了局限性，指出该工具继承了 PrimeKG 的偏差，最短路径并不意味着因果关系，且 LLM 解释是解释性的辅助工具而非生物医学权威。这项工作为未来本体感知视觉分析和生物医学可解释 AI 的研究奠定了基础。