Resumen: En la medicina de precisión, las características múltiples cuantitativas, el contexto topológico y el conocimiento biológico textual juegan roles vitales en la identificación de vías y objetivos de señalización crítica de enfermedades. Las tuberías existentes capturan solo una parte de estos ómicos numéricos ignoran el contexto topológico, los LLM centrados en el texto carecen de razonamiento cuantitativo basado en los modelos solo gráficos. Aunque los modelos de recompensa de procesos (PRMS) tienen como objetivo guiar el razonamiento en LLM, siguen siendo limitados por una evaluación intermedia poco confiable y la vulnerabilidad a la piratería de recompensas con el costo computacional. Estos espacios motivan la integración de señales múltiples cuantitativas múltiples, estructura topológica con anotaciones de nodos y texto a escala de literatura a través de LLMS, utilizando el razonamiento de subgraph como el puente principal que vincula la evidencia numérica, el conocimiento topológico y el contexto del lenguaje. Por lo tanto, proponemos galax (modelo de lenguaje aumentado de gráficos con explicación), un marco innovador que integra las redes neuronales gráficas gráficas previas a la aparición (GNNS) en modelos de lenguaje grande (LLMS) a través de un refuerzo guiado por un modelo de recompensa de gráfico (GPRM), que se relaciona con una forma supervisada de una manera supervisada de la enfermedad de relevante en la enfermedad de una manera supervisada. Annotaciones de razonamiento intermedio explícito. As an application, we also introduced Target-QA, a benchmark combining CRISPR-identified targets, multi-omic profiles, and biomedical graph knowledge across diverse cancer cell lines, which enables GNN pretraining for supervising step-wise graph construction and supports long-context reasoning over text-numeric graphs (TNGs), providing a scalable and biologically grounded framework for explainable, reinforcement-guided subgraph reasoning toward Descubrimiento de objetivos y vías confiables e interpretables en la medicina de precisión.
Publicado Originalme en export.arxiv.org El 25 de septiembre de 2025.
Ver Fuente Original
