基礎科学と病態生理

科学分野:

• 神経科学
• 計算生物学
• 生化学

背景:

• アルツハイマー病（AD）は、ヒストン脱アセチル化酵素6（HDAC6）を含む、古典的な病理学を超えた複雑な分子経路を伴います。
• 科学文献の量が増加するにつれて、ADにおける知識抽出と経路分析のための高度な方法が必要とされています。
• 大規模言語モデル（LLM）は、広範な生物医学テキスト内の知識を要約および発見するための強力なソリューションを提供します。

研究 の 目的:

• アルツハイマー病（AD）における分子間相互作用の知識グラフ（KG）を構築するためのLLMベースのアプローチを開発および評価すること。
• ADにおけるヒストン脱アセチル化酵素6（HDAC6）を含む複雑な分子経路を体系的にマッピングすること。
• 科学的抄録から構造化情報を抽出する際の異なるLLMのパフォーマンスを比較すること。

主な方法:

• ADとHDACに関する265件のPubMed抄録のコーパスをGPT-4oとGeminiを使用して処理しました。
• LLMは、主語-述語-目的語のトリプレットを抽出し、分子エンティティ（UniProt経由）と動詞カテゴリを標準化しました。
• 抽出されたトリプレットは知識グラフ（KG）に集約され、パフォーマンスは人間の精度評価によって評価されました。

主要な成果:

• タウ、化合物15、HDAC6などの主要な分子ノードを特定し、知識グラフを構築しました。
• GPT-4oは、Geminiの58.9%と比較して、分子間相互作用の抽出において78.4%というより高い精度を達成しました。
• この知識グラフは、既知の分子間相互作用とADにおける潜在的な研究ギャップの構造化された概要を提供します。

結論:

• LLM、特にGPT-4oは、ADおよびHDAC研究から構造化された知識を効率的に抽出し、体系的な理解を促進できます。
• 開発されたKGアプローチは、ADにおける新規治療標的の特定のための基盤として機能します。
• この方法論は、さまざまな研究分野にわたる科学的発見の自動化に大きな可能性を示しています。