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
• 科学中的人工智能.

背景情况:

• 该Reactome路径知识库提供精心策划的生物路径数据,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助手React-to-Me,用于对Reactome Pathway知识库进行直观的自然语言查询.
• 确保科学严谨性,来源可追溯性和人工智能生成的生物途径探索响应中的事实准确性.

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词汇关键字匹配,以改善语境接地和事实精确性.
• 保证的响应是基于Reactome内容,与知识库条目链接,并在必要时转移到可信的外部来源.

主要成果:

• 计算基准测试显示,混合检索显著改善了与仅密集检索相比的上下文接地和事实精度.
• 盲目专家评估表明,有根据的反应获得了更高的质量评级,在事实准确性,生物特异性和机制深度方面取得了显著的收益.
• 用户调查报告说,用户对易用性 (92%),引用可靠性 (88%) 和事实准确性 (85%) 的满意度很高.

结论:

• 特定领域的接地显著提高了对话性AI用于生物知识探索的可靠性和可用性.
• React-to-Me提供了一个透明的,科学稳健的接口,用于访问和探索Reactome路径数据.
• 开发的系统提高了用户的信心,并促进了更准确的生物发现.