arXiv cs.AI· Geonho Nah, Johyun Park, Kyung-Ah Cho, Suyoung Hwang, Yoon Hee Lim, Eun-kyung Min, Seunghyun Moon, Donghyun Koh, Seungwon Kim, Jiho Park, Hojin Yoo, Myungsun Nam, Haneul Choi, Kyungsu Kim, In-Sun Hong, YunJae Jung, Minhyeong Lee·· 23 小时前AI 评分38
Abelio:结构化 AI 构思系统提出上皮屏障修复的物理干预策略
Structured AI ideation yields physical strategies for epithelial barrier repair
AI 导读
AI 系统 Abelio 通过重构研究目标、跨学科元素筛选与假设精炼,生成超越学科惯例的研究方向。其 Ideation Core 在科学合理性与假设多样性上优于四个前沿大语言模型,在距现有文献距离上优于其中三个。Abelio 提出的膜锚定 PEG 与胆固醇锚定互补 DNA 两种物理干预在受损 Caco-2 单层中分别实现膜表面依赖性屏障保护与可逆的序列特异性修复。
正文 · AI 翻译
作者:Geonho Nah、Johyun Park、Kyung-Ah Cho、Suyoung Hwang、Yoon Hee Lim、Eun-kyung Min、Seunghyun Moon、Donghyun Koh、Seungwon Kim、Jiho Park、Hojin Yoo、Myungsun Nam、Haneul Choi、Kyungsu Kim、In-Sun Hong、YunJae Jung、Minhyeong Lee
摘要:AI 系统日益支持文献分析、候选方案评估和假设精炼,但让研究人员探索超越既有学科方法的研究方向仍然具有挑战性。我们开发了 Abelio,这是一个旨在通过拓展研究者的探究路径来生成新颖研究方向的 AI 系统。Abelio 重新表述研究目标,利用这些替代性表述识别常规学科边界之外的相关要素,并对由此产生的假设进行精炼。每个阶段都通过专门的子系统将发散性探索与收敛性选择相结合。在定量评估中,由 Ideation Core(Abelio 的假设生成核心)生成的提案在科学合理性和假设多样性方面优于四个前沿大语言模型,在与现有文献的距离方面优于其中三个。子系统消融实验表明,每个子系统都对其目标属性有所贡献,其中 Element Selection 的贡献在 Refinement 之前即可测量。为研究肠上皮屏障的修复,Abelio 提出了涉及膜锚定聚乙二醇(PEG)和胆固醇锚定互补 DNA 的物理干预方案。这两项提案在实验前均已存档,随后在受损的 Caco-2 单层细胞中独立测试。PEG 以依赖膜表面的方式维持屏障功能,而互补 DNA 则实现了可应需逆转的序列特异性修复。这些发现表明,结构化研究构思能够识别出超越既有学科惯例、可经实验检验的方法。
| 主题: | 人工智能(cs.AI);定量方法(q-bio.QM) |
| 引用为: | arXiv:2611.22988 [cs.AI] |
| (或 arXiv:2611.22988v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.22988 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Minhyeong Lee [查看邮箱]
[v1]
2026年11月17日星期二 16:05:22 UTC(8,505 KB)
来源:arXiv cs.AI · arxiv.org