Asistente de Investigación Basado en Evidencia para Genómica Funcional y Evaluación de Dianas de Fármacos

Área de la Ciencia:

• Informática Biomédica
• Inteligencia Artificial en Biología
• Biología Computacional

Sus antecedentes:

• Los recursos de datos biológicos se están expandiendo, pero su uso efectivo se ve obstaculizado por la fragmentación y la necesidad de experiencia en el dominio.
• Los modelos de lenguaje grandes actuales en biomedicina a menudo producen afirmaciones incorrectas o sin respaldo, careciendo de procedencia.
• La síntesis de conclusiones confiables a partir de diversos datos biológicos requiere mucho tiempo y es un desafío.

Objetivo del estudio:

• Presentar Alvessa, un asistente de investigación agéntico basado en evidencia diseñado para la verificabilidad en la investigación biológica.
• Abordar las limitaciones de los modelos de lenguaje de propósito general en el manejo de datos biomédicos complejos y la garantía de la precisión de las afirmaciones.
• Apoyar la investigación biológica asistida por IA reproducible y verificable.

Principales métodos:

• Alvessa integra el reconocimiento de entidades, herramientas biológicas prevalidadas y la generación de respuestas restringidas por datos.
• Realiza la verificación a nivel de declaración contra registros recuperados, marcando las afirmaciones sin respaldo.
• La evaluación se realizó en los puntos de referencia dbQA (LAB-Bench) y GenomeArena que cubren diversas preguntas biológicas.

Principales resultados:

• Alvessa mejora significativamente la precisión en comparación con los modelos de lenguaje de propósito general en tareas de preguntas y respuestas biomédicas.
• Funciona de manera comparable a los agentes centrados en el código, garantizando al mismo tiempo resultados totalmente rastreables.
• La detección de declaraciones fabricadas depende críticamente del acceso a la evidencia recuperada, como lo demuestra la prueba adversaria.

Conclusiones:

• Alvessa ofrece un enfoque verificable y preciso para la investigación biológica asistida por IA, superando las limitaciones clave de los LLM existentes.
• El sistema demuestra una aplicación práctica en el descubrimiento de fármacos, identificando objetivos candidatos que pasaron por alto los métodos centrados en la literatura.
• Alvessa y GenomeArena se publican para fomentar el descubrimiento científico impulsado por IA, reproducible y confiable.