Построение графов знаний и их биомедицинские применения

Графы знаний могут поддерживать множество биомедицинских приложений. Эти графы представляют биомедицинские понятия и взаимосвязи в виде узлов и рёбер. В данном обзоре мы обсуждаем, как эти графы конструируются и применяются, с особым акцентом на то, как методы машинного обучения меняют эти процессы. Биомедицинские графы знаний часто строились путём интеграции баз данных, наполняемых экспертами посредством ручной курирования, однако сейчас наблюдается более широкое использование автоматизированных систем. Для представления графов знаний используется ряд техник, но часто методы машинного обучения применяются для построения низкоразмерного представления, которое может поддерживать различные приложения. Это представление призвано сохранять локальную и/или глобальную структуру графа знаний. К этому представлению могут применяться дополнительные методы машинного обучения для выполнения предсказаний в геномной, фармацевтической и клинической областях. Мы выстраиваем обсуждение сначала вокруг построения графов знаний, а затем вокруг объединяющих методов представления знаний и объединяющих приложений. Достижения в области машинного обучения для биомедицины создают новые возможности в разных доменах, и мы отмечаем потенциальные направления дальнейшей работы с графами знаний, которые выглядят особенно перспективными.