MS-CoTF: Fusión de cadena de pensamiento multiescala para el razonamiento biológico interpretable con modelos de...

Área de la Ciencia:

• Biología Computacional
• Inteligencia Artificial en Ciencias de la Vida
• Informática Biomédica

Sus antecedentes:

• Los modelos de lenguaje grandes (LLM) muestran potencial en la ciencia, pero luchan con la naturaleza multiescala de los sistemas biológicos.
• Los LLM existentes carecen de mecanismos para el razonamiento biológico jerárquico y entre escalas, lo que limita la precisión y la interpretabilidad.
• Los sistemas biológicos implican interacciones complejas desde niveles moleculares hasta sistémicos, lo que plantea desafíos para los modelos de IA actuales.

Objetivo del estudio:

• Presentar un marco novedoso, la fusión de cadena de pensamiento multiescala (MS-CoTF), para mejorar el razonamiento biológico.
• Mejorar la precisión y la interpretabilidad de los LLM en tareas biológicas complejas mediante la fusión del razonamiento entre escalas.
• Permitir el análisis escalable e interpretable de datos biológicos impulsado por IA.

Principales métodos:

• Se desarrolló MS-CoTF, un marco que fusiona el razonamiento en escalas molecular, celular, tisular y sistémica.
• Se implementó el control adaptativo de la profundidad de razonamiento, la integración multiescala, el flujo bidireccional y las estrategias de fusión dinámica.
• Se utilizó una columna vertebral de LLM biomédico congelada con módulos entrenables entre escalas y se definió la construcción de la cadena de pensamiento.

Principales resultados:

• MS-CoTF demostró mejoras sinérgicas en la precisión y proporcionó información biológicamente significativa.
• El modelo superó a los modelos de razonamiento de última generación en un 10-15% en problemas de referencia y estudios de caso.
• Las evaluaciones incluyeron una división rigurosa de los datos, la puntuación de coherencia del razonamiento y las evaluaciones humanas.

Conclusiones:

• MS-CoTF aborda eficazmente las limitaciones de los LLM en el razonamiento biológico multiescala.
• El marco ofrece una solución escalable e interpretable para tareas biológicas complejas.
• MS-CoTF representa un avance significativo en la aplicación de la IA para comprender los sistemas biológicos.