An Open-Source Knowledge Graph Ecosystem for the Life Sciences

An Open-Source Knowledge Graph Ecosystem for the Life Sciences

1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は何ですか？
- 翻訳研究では、多様なスケールのデータが必要とされています。そのため、シーケンシング技術やマルチオミックス技術の発展によって、多様なスケールのデータが増加していますが、これらを統合することには課題があります。本研究の学術的問いは、可用性の高いデータを統合し、精度の高い知識グラフを構築する方法についてです。

2. 本研究の目的及び学術的独自性と創造性は何ですか？
- 本研究は、知識グラフを自動的に構築することができる技術を利用し、高性能かつ柔軟な知識グラフの構築を可能にするための方法を提案しています。その方法として「PheKnowLator」と呼ばれる、全くカスタマイズ可能な知識表現に基づいた、FAIR（Findable、Accessible、Interoperable、Reusable）な知識グラフの構築を自動化するための技術を開発しました。PheKnowLatorは、SPARQLエンドポイントや抽象アルゴリズムなどのKG構築リソースやベンチマークも含まれており、柔軟性の大きな知識表現に基づいた知識グラフの構築を可能にします。

3. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは何ですか？
- 従来から、研究者たちは知識グラフによる複雑な現象のモデリングを行ってきました。最近では、自動構築技術を利用してその精度を高める方法が注目されています。しかし、従来手法では知識表現のモデルが限定されており、モデルの自由度が低かったため、より柔軟かつ高性能な構築方法が求められていました。本研究では、PheKnowLatorという技術を提案することで、高い柔軟性と柔軟な知識表現に基づいた知識グラフの構築方法を実現しました。

4. 本研究で何をどのように、どこまで明らかにした？
- 本研究ではPheKnowLatorという知識グラフ構築技術を提案し、その性能を評価しました。その際に、オープンソースの知識グラフ構築方法を調査し、12つの大規模な知識グラフの構築処理の計算パフォーマンスを分析しました。その結果、PheKnowLatorは高性能でありながら柔軟な知識表現によって、完全にカスタマイズ可能な知識グラフの構築を実現することができることが明らかにされました。

5. 本研究の有効性はどのように検証した？
- 本研究においては、ロバストなツールを使用することにより、柔軟性の高い知識表現に基づいた知識グラフを構築することができ、高い性能が得られることが示されました。