PulseAugur
实时 04:44:08
English(EN) MARS: A neurosymbolic approach for interpretable drug discovery

神经符号AI方法MARS增强了可解释的药物发现

研究人员开发了MARS(MoA检索系统),一种新颖的神经符号AI方法,用于可解释的药物发现。该系统将逻辑规则与神经网络相结合,以增强预测的可解释性,这是生物医学应用中的关键因素。MARS在药物作用机制(MoA)反卷积这一新任务上进行了测试,使用了名为MoA-net的知识图谱,并展示了与最先进模型相当的性能,同时产生了具有生物学意义的解释。 AI

影响 引入了一个神经符号框架,用于更可靠和可解释的AI驱动的药物发现。

排序理由 该集群包含一篇详细介绍特定科学领域新AI方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

神经符号AI方法MARS增强了可解释的药物发现

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Lauren Nicole DeLong, Yojana Gadiya, Paola Galdi, Jacques D. Fleuriot, Daniel Domingo-Fern\'andez ·

    MARS:一种用于可解释药物发现的神经符号方法

    arXiv:2410.05289v4 Announce Type: replace Abstract: Background: Neurosymbolic (NeSy) artificial intelligence describes the combination of logic or rule-based techniques with neural networks. Compared to neural approaches, NeSy methods often possess enhanced interpretability, whic…