反应-对-我:一个对话界面,用于互动探索的reactome路径知识库

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 知识表示 知识表示

背景情况:

• 该Reactome通路知识库提供了关于人类生物通路的精选数据,但由于其复杂的数据模型和关键字搜索,对非专家来说存在可访问性挑战.
• 一般对话式人工智能缺乏科学研究所需的领域特异性,来源透明度和事实可靠性.

研究的目的:

• 开发一个特定领域的对话性AI助理React-to-Me,用于使用自然语言查询Reactome Pathway知识库.
• 为更广泛的用户增强复杂的生物途径数据的可访问性和可用性.

主要方法:

• 实施了混合检索增强生成 (RAG) 方法,与受约束的语言模型生成相结合.
• 集成的语义向量搜索与基于关键字的匹配,以提高检索准确度.
• 确保所有人工智能生成的响应都基于精选的Reactome内容,并直接链接到知识库条目.

主要成果:

• 计算基准测试表明,混合检索与密度单一方法相比,显著改善了上下文接地和事实精度.
• 盲目的专家评估显示,有根据的反应在事实准确性,生物特异性和机制深度方面获得了更高的质量评级.
• 用户调查显示,用户对React-to-Me的易用性,引用可靠性和事实准确性感到高度满意.

结论:

• 特定领域的接地显著提高了对话式人工智能的可靠性和可用性,用于生物知识探索.
• React-to-Me提供了一个透明的,科学稳固的,用户友好的接口来访问Reactome路径信息.
• 开发的系统展示了专门的人工智能助理在科学研究和数据可访问性方面的潜力.