KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-22
LLM-gestützte Erstellung von Antibiotikaresistenz-Datensätzen und Wissensgraphen zur beschleunigten Entdeckung von Antibiotikaresistenzgenen
Originaltitel: LLM-powered construction of antibiotic resistance datasets and knowledge graphs for accelerated antibiotic resistance gene discovery
Um veraltete Annotationen, eingeschränkte Abdeckung und hohe Falsch-Positiv-Raten in der Antibiotikaresistenzforschung zu beheben, entwickelten die Forschenden eine LLM-Pipeline, die Resistenzwissen aus Volltexten und Zusatzmaterialien extrahiert. Sie erstellten AResDB aus über 8,570 Papern und AResKG mit über 52.1 Millionen Tripeln. Im Vergleich zu bestehenden Wissensgraphen verbesserte AResKG die Leistung gängiger Machine-Learning-Methoden zur Vorhersage von Gen–Antibiotika-Resistenzbeziehungen.