[논문 리뷰] An LLM-based Knowledge Synthesis and Scientific Reasoning Framework for Biomedical Discovery

Oskar Wysocki, Magdalena Wysocka외 6명|arXiv (Cornell University)|2024. 06. 26.

Biomedical Text Mining and OntologiesBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

이 논문은 생물의학 연구자들이 종양학 생물표지자 발견을 위한 인공지능 기반 과학 워크플로를 구축할 수 있도록 돕는 저코드, LLM 기반 프레임워크인 BioLunar을 소개한다. Retrieval-Augmented Generation (RAG), 툴포머, 자연어 추론을 통합함으로써 데이터베이스 및 PubMed의 이질적 증거를 융합하여 유전자 집합의 해석을 자동화하며, 맥락화된 증거 기반 요약을 제공함으로써 기존의 알려진 생물표지자와 새로운 생물표지자를 식별하는 데 성공한다.

ABSTRACT

We present BioLunar, developed using the Lunar framework, as a tool for supporting biological analyses, with a particular emphasis on molecular-level evidence enrichment for biomarker discovery in oncology. The platform integrates Large Language Models (LLMs) to facilitate complex scientific reasoning across distributed evidence spaces, enhancing the capability for harmonizing and reasoning over heterogeneous data sources. Demonstrating its utility in cancer research, BioLunar leverages modular design, reusable data access and data analysis components, and a low-code user interface, enabling researchers of all programming levels to construct LLM-enabled scientific workflows. By facilitating automatic scientific discovery and inference from heterogeneous evidence, BioLunar exemplifies the potential of the integration between LLMs, specialised databases and biomedical tools to support expert-level knowledge synthesis and discovery.

연구 동기 및 목표

• 다양한 분산된 생물의학적 증거(예: 데이터베이스, 문헌, 옴믹스 데이터 등)를 통합하여 종양학 생물표지자 발견을 위한 일관되고 해석 가능한 통찰을 도출하는 데 도전한다.
• 비프로그래밍 전문가가 종양학 분야에서 복잡한 LLM 강화 과학 워크플로를 구축하는 데 있어 진입 장벽을 낮춘다.
• 모아진 지식 기반과 외부 분석 도구를 LLM과 융합하여 자동화되고 재현 가능하며 맥락 인식 가능한 과학적 추론을 가능하게 한다.
• 특히 새로운 또는 연구가 부족한 유전자에 대해 증거 융합을 통해 가설 생성을 지원한다.

제안 방법

• 프레임워크는 LLM 기반 구성 요소를 표준화된 API로 모듈화하여 구성할 수 있는 Lunar 조율 프레임워크 기반으로 구축되었다.
• 모아진 지식 기반(예: OncoKB, KEGG, PubMed)과 외부 데이터베이스를 활용하여 LLM 추론을 검증하고 땅을 다지는 Retrieval-Augmented Generation (RAG)을 적용하였다.
• 유전자 풍부도 및 경로 분석 도구(예: KEGG, OncoKB)와 같은 외부 분석 도구와의 인터페이스를 위해 툴포머 구성 요소를 사용하였다.
• LLM 기반 자연어 추론(NLI)을 통해 다양한 출처의 증거를 통합하고 조율하여 통합적이고 해석 가능한 요약을 생성하였다.
• 시스템은 'Python Coder'와 'R Coder' 구성 요소를 통해 사전 구축된 구성 요소와 사용자 정의 코드를 모두 지원하여 확장성을 확보하였다.
• 저코드 사용자 인터페이스를 통해 도메인 전문가가 프로그래밍 없이도 워크플로를 조립할 수 있었으며, 동시에 전체 재현 가능성과 증거 추적 기능을 유지하였다.

Figure 1: BioLunar interface. An exemplary workflow of Gene Enrichment with an input gene set, knowledge base query and LLM interpretation components.

실험 결과

연구 질문

• RQ1 LLM 기반 프레임워크는 종양학 생물표지자 발견을 지원하기 위해 이질적인 생물의학적 증거 출처를 효과적으로 통합하고 추론할 수 있는가?
• RQ2 전문 프로그래밍 능력 없이도 모듈화되고 재사용 가능한 워크플로 시스템 내에서 LLM을 어떻게 조율하여 과학적 추론을 향상시킬 수 있는가?
• RQ3 이러한 시스템은 구조화된 데이터베이스와 비구조화된 문헌에서 증거를 융합함으로써 알려진 생물표지자와 새로운 생물표지자를 어느 정도 식별할 수 있는가?
• RQ4 RAG와 툴포머를 생물의학 워크플로에 통합함으로써 LLM이 생성한 해석의 정확성과 맥락 적합성을 향상시킬 수 있는가?

주요 결과

• 시나리오 1에서 BioLunar은 유방암에서 알려진 생물표지자(PIK3CA 및 ESR1)를 성공적으로 식별하고 맥락화하였으며, OncoKB와 KEGG의 증거를 통해 임상적 관련성을 확인하였다.
• 신규 유전자(DIXDC1, DUSP6, PDK4, CXCL12, IRF7, ITGA7, NEK2, NR3C1)에 대해서는 지식 기반에 이전 분자 프로필이 없음을 확인하여 대상 PubMed 검색을 유도하였다.
• PubMed 검색 결과, 이 신규 유전자들이 최근에 유방암과 관련이 있음을 보여주는 논문들이 발견되어, 시스템이 이전에 알려지지 않았거나 보고가 부족한 생물표지자 후보를 발견할 수 있음을 입증하였다.
• KEGG 기반 풍부도 분석 결과, 이 신규 유전자들이 종양 괴사 인자(TNF) 신호 전달 경로에서 유의미하게 풍부해졌으며, 잠재적인 기능적 관련성을 시사하였다.
• 신규 유전자 중 두 개는 잠재적 약물 타겟으로 식별되었고, 한 개는 FDA 승인 약물 타겟으로 확인되어 연구 결과의 임상적 적용 가능성을 강조하였다.
• 프레임워크는 결론을 원천 데이터에 연결한 종합적이고 증거 기반 보고서를 성공적으로 생성하여 재현 가능하고 투명한 과학적 추론을 가능하게 하였다.

Figure 2: A) Gene Enrichment workflow - uses the gprofiler API to access i.a. Gene Ontology, KEGG, WikiPathways, Reactome; B) Human Protein Atlas workflow. Compares and interprets the input and reference gene sets.