Let Me Cypher That for You: A Multi-Graph Agent for Deciphering Biomedical Knowledge
本文介绍了 CGEx 及其增强版本 CGEx2.0，这是一种交互式多图智能体，利用自然语言处理技术将用户查询转化为 Cypher 语句，用于分析新冠肺炎（COVID-19）与神经退行性疾病之间复杂的关联，从而消除技术壁垒，并在解析来自异构来源的生物医学知识方面实现了高准确度。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
人体是一个庞大且互联的网络，其中一个区域的问题可能会产生连锁反应，影响到遥远的系统。多年来，科学家们一直怀疑，SARS-CoV-2病毒的长期影响（即“长新冠”）可能不仅仅会导致疲劳或呼吸问题，还可能加速大脑退化，从而导致阿尔茨海默病或帕金森病等疾病。为了研究这些复杂的联系，研究人员构建了名为“知识图谱”的大型数字地图。想象一下一个巨大的网络，其中的每个节点都是一段生物学信息——一个基因、一种蛋白质、一种症状或一种疾病——而连接它们的每一条线则代表一种已知的关系。这些地图是理解病毒如何触发导致神经退行性变的连锁反应的关键。然而，对于大多数医生和生物学家来说，这些地图被一道由技术语言筑成的高墙所阻隔。要向这张地图提问，用户必须编写一种被称为 Cypher 的特定且复杂的代码，这是一种需要专门训练的技能，对于那些最需要答案的人来说往往过于困难。
德国弗劳恩霍夫算法与科学计算研究所的一支研究小组构建了一个旨在拆除这道墙的新工具。他们创建了一个名为 CGEx 的交互式系统，该系统充当了人类好奇心与这些复杂数字地图之间的翻译官。该系统不再强迫研究人员学习新的编程语言，而是允许他们直接用平实的英语输入问题，例如“病毒如何影响神经系统？”随后，软件会获取该问题，弄清正在使用的特定地图的结构，并自动编写正确的代码来寻找答案。接着，它运行该代码，收集结果，并将原始数据翻译回清晰、详细的解释。研究人员在两个不同的、包含数千个新冠肺炎与神经退行性疾病之间联系的海量地图上测试了这个系统。他们发现，即使问题需要追踪经过多个生物学关系步骤的路径，该系统也能成功生成正确的代码并提供准确的答案，尽管其性能会根据特定的地图和系统版本而有所不同。
这项工作的核心是一个能够学习并随之进化的系统。当用户提出问题时，软件首先会查看特定的地图，以了解其包含哪些类型的数据，就像图书管理员在查阅书籍前先检查目录一样。然后，它使用强大的语言模型来构建查询，但它并非盲目猜测。系统受到严格规则和示例的引导，这些规则教会它如何处理生物数据的特定特性，例如知道“神经退行性变”和“神经系统”在地图的不同部分可能指的是同一个概念。如果系统卡住了或产生了不合理的逻辑，它可以请求用户的反馈。如果用户批准了一个结果，系统会将这次成功作为未来的教训进行保存；如果用户不批准，系统会尝试再次运行，利用反馈来优化其方法。这创造了一个循环，使工具随着每一次交互变得更加聪明和准确。
研究人员使用 52 个精心设计的题目对他们的系统进行了评估，这些题目涵盖了广泛的生物学场景，从简单的连接到复杂的、多步骤的推理。他们将原始系统的表现与使用更先进语言模型的升级版进行了对比。结果显示，准确率有了显著提升。在其中一张地图上，原始系统能够为大约 83% 的问题生成正确答案，而在另一张地图上约为 56%。然而，升级后的版本在第一张地图上达到了 94% 的成功率，在第二张地图上达到了 83%。这一性能的飞跃证明了该系统不仅是一个简单的翻译器，而且是一个能够处理现实世界生物数据中混乱、不一致性的鲁棒工具。
其中一个最重要的发现是该系统如何处理科学数据中存在的空白和不一致性。生物学知识通常以不同的方式存储在不同的数据库中，有时研究人员需要的信息根本不存在。研究人员发现，他们的系统可以通过寻找替代路径或同义词来应对这些挑战。例如，当被问及针对特定蛋白质的疗法时，如果地图中缺少“疗法”（therapy）这个精确词汇，系统会学会寻找“抑制剂”（inhibitor）、“阻断剂”（blocker）或“拮抗剂”（antagonist）等词汇。在数据确实缺失的情况下，系统不会仅仅利用自身的训练知识来编造答案，而是会识别出失败的可能原因，例如缺失的节点或缺失的中间关系，从而在提供基于检索到的证据和广泛临床理解的见解的同时，有效地揭示知识图谱中的空白。
研究还强调了保持不同地图独立存在，而不是试图将其合并为一个巨大的统一数据库的价值。研究人员发现，他们的系统可以同时查询两个不同的地图，利用其中一个地图的长处来弥补另一个的短处。这种方法比试图将所有数据强行塞入单一、僵化结构的传统方法更具实用性和灵活性。通过允许系统直接访问多样化的证据来源，研究人员得以发现那些如果被迫采用单一格式可能会被遗漏的联系。该系统成功地追踪了复杂的路径，例如病毒如何进入大脑、引发炎症并最终导致认知能力下降，并提供了这些机制的视觉和文本解释。
最终，这项工作代表了科学家与数据交互方式的一种转变。它不再认为只有计算机科学专家才能解锁生物网络的奥秘。通过消除编写代码的技术障碍，该系统为临床医生、生物学家和其他研究人员直接探索复杂假设打开了大门。该工具并不取代人类的判断力，而是作为一个强大的助手，处理数据检索方面的繁重工作，让专家能够专注于解释结果并产生新的想法。研究人员得出结论，这种方法为探索传染性疾病与长期健康状况之间的联系提供了一种实用且可扩展的方式，有望为在后疫情时代预防或治疗神经退行性疾病提供新的见解。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。