利用知识图谱理解不良生物效应预测
人工智能
2022-10-31 v1 机器学习
定量方法
摘要
化学品不良生物（毒性）效应的外推，为在不使用动物实验的情况下扩展（生态）毒理学中可用的危害数据做出了重要贡献。在这项工作中，我们基于由最相关效应数据作为领域特定背景知识构成的知识图谱（KG）进行效应外推。使用带背景知识和不带背景知识的效应预测模型，预测化学品的平均不良生物效应浓度，作为一类典型的胁迫因子。背景知识使模型预测性能在（即决定系数）方面提升了高达40%。我们利用KG和KG嵌入对预测提供定量与定性洞察。这些洞察有望提升效应预测的可信度。此类外推模型在更大规模上的实施，有望通过简化和减少测试需求，支持危害与风险评估。
引用
@article{arxiv.2210.15985,
title = {Understanding Adverse Biological Effect Predictions Using Knowledge Graphs},
author = {Erik Bryhn Myklebust and Ernesto Jimenez-Ruiz and Jiaoyan Chen and Raoul Wolf and Knut Erik Tollefsen},
journal= {arXiv preprint arXiv:2210.15985},
year = {2022}
}
备注
Under review. 29 pages