计算机科学>人工智能
职务: 面向生命科学的开源知识图生态系统
摘要: 转化研究需要多尺度的生物组织数据。 测序和多组学技术的进步增加了这些数据的可用性,但研究人员面临着重大的集成挑战。 知识图(KG)用于建模复杂现象,并且有方法自动构建它们。 然而,解决复杂的生物医学集成问题需要知识建模方式的灵活性。 此外,现有的KG构造方法以知识表示模型中的固定或有限选择为代价提供了强大的工具。 PheKnowLator(表型知识翻译器)是一个语义生态系统,用于自动化基于本体的KG的FAIR(可查找、可访问、可互操作和可重用)构建,具有完全可定制的知识表示。 生态系统包括KG构建资源(例如数据准备API)、分析工具(例如SPARQL端点和抽象算法)和基准(例如预构建的KG和嵌入)。 我们通过系统地将其与现有的开源KG构建方法进行比较,并通过分析其用于构建12个大型KG时的计算性能来评估生态系统。 凭借灵活的知识表示,PheNowLator能够在不影响性能或可用性的情况下实现完全可定制的KGs。