부작용 경로(AOP) 글로벌 저장소인 AOP-Wiki의 세 번째 증거 모델 프로토타입 EMOD 3.0을 소개했다. 현재 AOP-Wiki의 데이터 모델 및 인프라 제약을 해소하기 위해 데이터 모델 확장, AI 준비성 향상, 신규 접근 방법론(NAM)과의 통합 개선을 목표로 한다. 에이전트형 AI를 활용해 AOP 관련 정보를 집계·구조화하고, 계산 생성 AOP 및 정량적 AOP 기반을 마련한다.
- •AOP-Wiki의 현행 데이터 모델 및 인프라 제약 해소를 위한 세 번째 증거 모델 프로토타입 EMOD 3.0 소개
- •에이전트형 AI를 활용한 AOP 관련 정보 집계·구조화로 계산 생성 AOP 및 정량적 AOP(qAOP) 기반 마련
- •AOP-Wiki 내부 품질 개선, FAIR 원칙 기반 증거 구조화, NAM과의 통합 강화 세 가지 해결책 제시
- •규제 과학과 생의학·One Health 분야에서 AI 준비성 높은 AOP 저장소로의 전환 비전 제시
AOP-Wiki EMOD 3.0: Data Model Expansions and Content Evaluation Framework for Using Agentic AI to Improve Integration between AOPs and New Approach Methodologies (NAMs)
- 1.AOP-Wiki EMOD 3.0은 부작용 경로(AOP) 데이터 모델을 확장하고 AI 연동을 대폭 강화한 버전
- 2.AI 기반 AOP 자동 생성 및 정량적 qAOP 지원을 위한 데이터 인프라 기반 마련
- 3.규제 과학과 바이오메디컬 분야에서 동물 실험 대체 방법론(NAM) 통합 개선
- 4.데이터 FAIR 원칙 강화와 AI 준비 구조로 차세대 위험성 평가 체계 지원
왜 중요한가?
규제 독성학과 AI를 연결하는 핵심 데이터 인프라 업데이트로, 동물 실험 대체 방법론의 AI 활용 기반을 마련하고 규제 과학의 디지털 전환을 가속화한다.
🏷️ 언급 프로젝트
본문 미리보기
arXiv:2605.21645v1 Announce Type: new Abstract: Adverse Outcome Pathways (AOP) are logic models that causally link biological mechanisms that can be measured in a lab to adverse outcomes, relevant to chemical regulatory endpoints. AOPs contextualize new approach methodologies (NAMs), in vitro and in silico methods used as alternatives to animal testing and the sequential events in an AOP serve as multi-scale models spanning biological scales. The AOP-Wiki serves as the global repository for AOP
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
