系统生物学中的自动推理：精准医疗的必然需求
计算工程、金融与科学
2024-10-18 v1
摘要
近期的人工智能发展为利用 AI 技术推动（生命）科学的进步提供了新的机遇，从而为跨领域合作寻找协同效应创造了机会。AI 与生命科学的热点新闻主要聚焦于数据驱动的方法，例如通过几乎不依赖专家知识来解决蛋白质折叠问题。与此相反，我们主张必须以形式化方式表征专家知识——无论是为了发展明确的科学理论，还是为了弥补数据不足的缺陷。具体而言，我们认为知识表征（KR）与系统生物学（SysBio）之间存在重要的交叉点，而这一点至今鲜有被注意。结果是，这些相关科学问题已经准备好利用正确的领域知识（SysBio），以恰当的方式编码（SysBio/KR），并结合现代自动推理工具（KR）来回答。领域知识的形式化表征是 SysBio 与 KR 自然的交汇点。在一方面，我们认为，这种跨学科方法将通过将其引入工业级推理工具来推动 SysBio 领域的发展，从而允许解决新的科学问题。在另一方面，我们看到将 KR 方法量身定制于 SysBio 领域的机会已呈现出来，而该领域具有挑战性的特征，例如规模、部分知识、噪声或次符号数据。我们主张，这种提倡的跨学科研究是实现健康科学中长期目标——精准医疗——所必需的。
引用
@article{arxiv.2410.13487,
title = {Automated Reasoning in Systems Biology: a Necessity for Precision Medicine},
author = {Pedro Zuidberg Dos Martires and Vincent Derkinderen and Luc De Raedt and Marcus Krantz},
journal= {arXiv preprint arXiv:2410.13487},
year = {2024}
}