AOP-Wiki EMOD 3.0：面向基于智能体的 AI 提升 AOP 与新方法学(NAMs)集成的数据模型扩展与内容评估框架
人工智能
2026-05-22 v1 数据库
摘要
不良后果通路(AOP)是逻辑模型，用于因果关联生物机制，这些机制可以在实验室中测量，并与不良结果相关，用于化学物质监管终点。AOPs 对新方法学(NAMs)进行上下文化，这些方法是作为动物测试替代方法的体外和体内仿真方法，AOP 中的顺序事件作为跨尺度模型跨越生物尺度。AOP-Wiki 是 AOP 的全球存储库。虽然 AOP-Wiki 在过去十年中在 AOP 扩展中发挥了核心作用，但当前数据模型和应用基础设施的约束限制了 AOP-Wiki 无法支持 AOP 的持续增长和演化。然而，基于智能体的 AI 的变革性力量正在以核心 AOP 原则可被用于信息聚合和结构化的时机重新激活 AOP-Wiki 数据现代化努力。抓住这股动力，我们提出 AOP-Wiki EMOD 3.0，这是一系列证据模型原型中的第三个，它具体演示了数据模型的扩展以及我们愿景如何将 AOP-Wiki 转换为更好地服务监管科学和在生物医学和 One Health 上下文中使用 AOPs 的方式。我们旨在为支持计算生成的 AOP 和量化 AOP(qAOP)奠定基础，通过关注解决 AOP-Wiki 内部质量改进、证据结构以增强 AOP FAIRness 和 AI-readiness，以及改进 AOP 框架与 NAMs 之间的集成，以更好地服务下一代风险评估。
引用
@article{arxiv.2605.21645,
title = {AOP-Wiki EMOD 3.0: Data Model Expansions and Content Evaluation Framework for Using Agentic AI to Improve Integration between AOPs and New Approach Methodologies (NAMs)},
author = {Virginia K. Hench and J. Harry Caufield and Sierra A. T. Moxon and Jason M. O'Brien and Stephen W. Edwards},
journal= {arXiv preprint arXiv:2605.21645},
year = {2026}
}
备注
7 Figures and 3 Supplemental Figures