Knowledge Graphs for the Life Sciences: Recent Developments, Challenges and Opportunities

要約

ライフサイエンスという用語は、生きている有機体と生命プロセスを研究する学問を指し、化学、生物学、医学、およびその他の関連分野が含まれます。
ライフサイエンスにおける研究活動は、膨大な量の科学データを生成および消費するため、データ主導型となっており、その多くは本質的にリレーショナルでグラフ構造になっています。
データの量と、そこで言及される科学的概念と関係の複雑さにより、科学的発見の進歩を最終的な目的として、データの管理と解釈のための高度な知識主導型テクノロジーの適用が促進されます。
この調査および意見書では、ライフサイエンスにおけるグラフベースのテクノロジーの使用における最近の開発と進歩について議論し、これらのテクノロジーが将来これらの分野にどのような影響を与えるかについてのビジョンを示します。
私たちは、ナレッジ グラフ (KG) の構築と管理、新しい知識の発見における KG と関連テクノロジーの使用、説明をサポートするための人工知能アプリケーションでの KG の使用 (説明可能な AI) という 3 つの広いトピックに焦点を当てています。
各トピックについていくつかの例示的な使用例を選択し、これらのトピック内の課題と未解決の研究課題について議論し、将来の研究のガイドとして、包括的な課題とその潜在的な解決策を要約する視点と展望で締めくくります。

要約(オリジナル)

The term life sciences refers to the disciplines that study living organisms and life processes, and include chemistry, biology, medicine, and a range of other related disciplines. Research efforts in life sciences are heavily data-driven, as they produce and consume vast amounts of scientific data, much of which is intrinsically relational and graph-structured. The volume of data and the complexity of scientific concepts and relations referred to therein promote the application of advanced knowledge-driven technologies for managing and interpreting data, with the ultimate aim to advance scientific discovery. In this survey and position paper, we discuss recent developments and advances in the use of graph-based technologies in life sciences and set out a vision for how these technologies will impact these fields into the future. We focus on three broad topics: the construction and management of Knowledge Graphs (KGs), the use of KGs and associated technologies in the discovery of new knowledge, and the use of KGs in artificial intelligence applications to support explanations (explainable AI). We select a few exemplary use cases for each topic, discuss the challenges and open research questions within these topics, and conclude with a perspective and outlook that summarizes the overarching challenges and their potential solutions as a guide for future research.

arxiv情報

著者 Jiaoyan Chen,Hang Dong,Janna Hastings,Ernesto Jiménez-Ruiz,Vanessa Lopez,Pierre Monnin,Catia Pesquita,Petr Škoda,Valentina Tamma
発行日 2023-09-29 14:03:34+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CL, I.2.4 パーマリンク