SLInterpreter：用于GNN基合成致死预测的人类-人工智能协作系统
人机交互
2024-07-23 v1
摘要
尽管合成致死（SL）关系在广泛的基因组合中相对稀少，但仍具有针对性癌症治疗的巨大潜力。尽管AI模型准确率取得了进展，但领域专家仍需诸多解释路径和机制探索，以更好地匹配领域特定知识，尤其是由于实验成本高昂。为此，我们提出了一种迭代的人类-人工智能协作框架，包含两个关键组件：1）基于代谱路径策略的人类参与知识图谱细化，利用解释路径和领域专业知识，通过代谱路径策略以适当的粒度细化知识图谱。2）跨粒度SL解释性提升和机制分析，帮助专家在不同粒度之间组织和比较预测和解释路径，发现新的SL关系，增强结果解释，并阐明由图神经网络（GNN）模型推断的潜在机制。这些组件循环优化模型预测和机制探索，增强专家的参与和干预，以建立信任。通过SLInterpreter，该框架确保新生成的解释路径越来越符合领域知识，并更贴近现实生物学原理。我们通过案例研究和专家访谈评估了该框架的有效性。
引用
@article{arxiv.2407.14770,
title = {SLInterpreter: An Exploratory and Iterative Human-AI Collaborative System for GNN-based Synthetic Lethal Prediction},
author = {Haoran Jiang and Shaohan Shi and Shuhao Zhang and Jie Zheng and Quan Li},
journal= {arXiv preprint arXiv:2407.14770},
year = {2024}
}