branch

_config.yml

@@ -12,23 +12,23 @@
 
 # theme                  : "minimal-mistakes-jekyll"
 # remote_theme           : "mmistakes/minimal-mistakes"
-minimal_mistakes_skin    : "default" # "air", "aqua", "contrast", "dark", "dirt", "neon", "mint", "plum", "sunrise"
+minimal_mistakes_skin    : "contrast" # "default", "air", "aqua", "contrast", "dark", "dirt", "neon", "mint", "plum", "sunrise"
 
 # Site Settings
-locale                   : "en-US"
+locale                   : "ko-KR"
 rtl                      : # true, false (default) # turns direction of the page into right to left for RTL languages
-title                    : "Site Title"
-title_separator          : "-"
+title                    : "Blog"
+title_separator          : "|"
 subtitle                 : # site tagline that appears below site title in masthead
-name                     : "Your Name"
-description              : "An amazing website."
-url                      : # the base hostname & protocol for your site e.g. "https://mmistakes.github.io"
+name                     : "Choi Sunmi"
+description              : # "An amazing website."
+url                      : "https://choisunmi00.github.io"
 baseurl                  : # the subpath of your site, e.g. "/blog"
 repository               : # GitHub username/repo-name e.g. "mmistakes/minimal-mistakes"
 teaser                   : # path of fallback teaser image, e.g. "/assets/images/500x300.png"
 logo                     : # path of logo image to display in the masthead, e.g. "/assets/images/88x88.png"
 masthead_title           : # overrides the website title displayed in the masthead, use " " for no title
-breadcrumbs              : # true, false (default)
+breadcrumbs              : true # true, false (default)
 words_per_minute         : 200
 enable_copy_code_button  : # true, false (default)
 copyright                : # "copyright" name, defaults to site.title
@@ -113,11 +113,11 @@ analytics:
 
 # Site Author
 author:
-  name             : "Your Name"
+  name             : # "Choi Sunmi"
   avatar           : # path of avatar image, e.g. "/assets/images/bio-photo.jpg"
-  bio              : "I am an **amazing** person."
-  location         : "Somewhere"
-  email            :
+  bio              : # "I am an **amazing** person."
+  location         : # "Somewhere"
+  email            : # "[email protected]"
   links:
     - label: "Email"
       icon: "fas fa-fw fa-envelope-square"
@@ -141,24 +141,24 @@ author:
 # Site Footer
 footer:
   links:
-    - label: "Twitter"
-      icon: "fab fa-fw fa-twitter-square"
-      # url:
-    - label: "Facebook"
-      icon: "fab fa-fw fa-facebook-square"
-      # url:
+    # - label: "Twitter"
+    #   icon: "fab fa-fw fa-twitter-square"
+    #   # url:
+    # - label: "Facebook"
+    #   icon: "fab fa-fw fa-facebook-square"
+    #   # url:
     - label: "GitHub"
       icon: "fab fa-fw fa-github"
-      # url:
-    - label: "GitLab"
-      icon: "fab fa-fw fa-gitlab"
-      # url:
-    - label: "Bitbucket"
-      icon: "fab fa-fw fa-bitbucket"
-      # url:
-    - label: "Instagram"
-      icon: "fab fa-fw fa-instagram"
-      # url:
+      url: "https://github.com/choisunmi00"
+    # - label: "GitLab"
+    #   icon: "fab fa-fw fa-gitlab"
+    #   url: 
+    # - label: "Bitbucket"
+    #   icon: "fab fa-fw fa-bitbucket"
+    #   # url:
+    # - label: "Instagram"
+    #   icon: "fab fa-fw fa-instagram"
+    #   # url:
 
 
 # Reading Files
@@ -290,16 +290,16 @@ tag_archive:
   type: liquid
   path: /tags/
 # https://github.com/jekyll/jekyll-archives
-# jekyll-archives:
-#   enabled:
-#     - categories
-#     - tags
-#   layouts:
-#     category: archive-taxonomy
-#     tag: archive-taxonomy
-#   permalinks:
-#     category: /categories/:name/
-#     tag: /tags/:name/
+jekyll-archives:
+  enabled:
+    - categories
+    - tags
+  layouts:
+    category: archive-taxonomy
+    tag: archive-taxonomy
+  permalinks:
+    category: /categories/:name/
+    tag: /tags/:name/
 
 
 # HTML Compression
@@ -323,3 +323,6 @@ defaults:
       comments: # true
       share: true
       related: true
+      show_date: true
+
+date_format: "%Y-%m-%d"

_data/navigation.yml

@@ -1,7 +1,9 @@
 # main links
 main:
-  - title: "Quick-Start Guide"
-    url: https://mmistakes.github.io/minimal-mistakes/docs/quick-start-guide/
+  - title: "Categoty"
+    url: /categories/
+  # - title: "Quick-Start Guide"
+  #   url: https://mmistakes.github.io/minimal-mistakes/docs/quick-start-guide/
   # - title: "About"
   #   url: https://mmistakes.github.io/minimal-mistakes/about/
   # - title: "Sample Posts"

_pages/404.md

@@ -0,0 +1,8 @@
+---
+title: "Page Not Found"
+excerpt: "Page not found. Your pixels are in another canvas."
+sitemap: false
+permalink: /404.html
+---
+
+Sorry, but the page you were trying to view does not exist.

_pages/category-archive.md

@@ -0,0 +1,7 @@
+---
+title: "Category"
+layout: categories
+permalink: /categories/
+athor_profile: true
+sidebar_main: true
+---

_pages/tag-archive.md

@@ -0,0 +1,7 @@
+---
+title: "Tag"
+layout: tags
+permalink: /tags/
+athor_profile: true
+sidebar_main: true
+---

_posts/2024-11-20-reguloGPT.md

@@ -0,0 +1,217 @@
+---
+layout: single
+title: reguloGPT
+categories: paper
+toc: true
+toc_depth: 1
+---
+
+# 논문 리뷰: reguloGPT
+<!-- {: .no_toc } -->
+[reguloGPT: Harnessing GPT for Knowledge Graph Construction of Molecular Regulatory Pathways ](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10836076/)
+
+<!-- ## Table of contents
+{: .no_toc .text-delta }
+
+1. TOC
+{:toc} -->
+
+---
+## Background
+
+- MRP: Molecualr Regulartory Pathways(분자 조절 경로).     
+- KG: Knowledge Graph(지식 그래프). 개체, 사건 또는 개념과 같은 실체에 대한 상호 연결된 설명 모음     
+- end-to-end learning: 입력에서 출력까지 파이프라인 네트워크 없이 신경망으로 한 번에 처리. 양끝단 상에서 라벨링된 데이터가 많을 때 잘 동작하는 경향이 있다.           
+- m<sup>6</sup>A(N6-methyladenosine): mRNA(단백질 설계도)에 부여하는 화학적 변형. 유전자 발현을 조절하기 위한 기작.
+- ICL: in-context learning.
+- outdegree: 방향성 그래프에서 node로부터 시작하는 고유한 edge.
+{: .fs-3 }
+
+## 0. Abstract
+
+- Motivation: MRP에 대한 KG 구축이 현재로선 미미하다.
+
+- Results: reguloGPT의 문헌에서 생물학적 지식 추출 가능성         
+  reguloGPT 통한 예측 -> m<sup>6</sup>A-KG 구축 -> m<sup>6</sup>A 조절 메커니즘 밝힘.       
+  컨텍스트 인식 관계형 그래프 도입 / m<sup>6</sup>A 제목 및 벤치마크 데이터 세트 제작        
+  G-Eval 체계: 성능 평가 위해 GPT-4를 활용. 기존 주석 기반 평가와 일치.         
+
+- Availability and implementation:     
+   reguloGPT의 소스 코드, m<sup>6</sup>A 관련 제목 및 벤치마크 데이터 세트, m<sup>6</sup>A-KG   
+   https://github.com/Huang-AI4Medicine-Lab/reguloGPT
+
+- Key words: MRP, KG, GPT, In Context Learning, m6A mRNA Methylation                   
+
+## 1. Introduction    
+
+- 왜 필요한가   
+  MRP: 생물의학 연구 핵심.     
+  KG: MRP를 위한 도구. KG는 복잡한 생물학적 지식을 구조화하여 표현한다.  
+  -> 문헌에서 지식 추출 자동화: NLP(Natural Language Processing) 이용  
+
+- 현재는 어떤가  
+  현재로서는 NLP를 통해 복잡한 MRP를 매핑하기에는 부적절하다.
+
+  ![Fig. 1.](https://www.ncbi.nlm.nih.gov/pmc/articles/instance/10836076/bin/nihpp-2024.01.27.577521v1-f0001.jpg)  
+  METTLL3가 위암의 진행을 조절하는 메커니즘을 전체적으로 설명
+  MRP를 위해 이러한 그래프를 얻기 위해서는 기존 NLP, 컨텍스트 식별, NER(Named Entity Recignition), N항 RE(N-ary Relationship Extraction) 필요.
+
+  여러 시스템이 있지만 N항 RE는 생물의학 분야에서 충분히 탐구되지 못했다.  
+
+- 이 논문에서는  
+  주어진 문장에서 m<sup>6</sup>A methylation의 컨텍스트별 MRP를 위해 컨텍스트 인식 관계형 그래프의 end-to-end 구성에서 GPT-4 기능을 탐구한다.
+  - 논문의 기여  
+    1. end-to-end joint NER, N-ary 위한 reguloGPT, GPT-4 구동 ICL prompt 제안.
+       reguloGPT에 대한 기준선인 few-shot 및 CoT 프롬프트 설계  
+    2. 컨텍스트 인식 관계형 그래프 표현 도입  
+    3. 벤치마크 데이터 세트 구축  
+    4. 프롬프트의 성능 평가  
+    5. G-Eval 체계 도입: 프롬프트를 활용하여 추출된 그래프를 평가  
+    6. m<sup>6</sup>A-KG 구축: 2013-2023년 PubMed에서 수집한 문헌 제목에 reguloGPT 적용
+
+## 2. Methods
+
+- reguloGPT: end-to-end 추출 위해 GPT-4 기반 ICL 활용. 6개의 모듈을 포함한다.  
+
+  ![Fig. 2.](https://www.ncbi.nlm.nih.gov/pmc/articles/instance/10836076/bin/nihpp-2024.01.27.577521v1-f0002.jpg)  
+  PubMed에서 컨텍스트 인식 KG를 구축하기 쉽도록 reguloGPT를 설계
+
+### A. reguloGPT에 대한 ICL 프롬프트  
+   ![Fig. 3.](https://www.ncbi.nlm.nih.gov/pmc/articles/instance/10836076/bin/nihpp-2024.01.27.577521v1-f0003.jpg)  
+
+1) 기준 프롬프트 (A): 지침, 정의 및 출력 형식을 포함한 기준 프롬프트  
+  1 - 작업 목표 제시  
+  2 - node, edge, context, inferred edge 를 포함하여 컨텍스트 인식 관계형 그래프의 구성요소 정의  
+  3 - 출력 형식.   
+
+2) Few-shot 프롬프트 (B): 대상 문장과 출력(context, nodes, direct edges, inferred edges)  
+  1 - 지시,  2 - 정의,  3 - 데모,  4 - 출력의 형식  
+  기준 프롬프트와 달리 정의 뒤에 추가 데모 섹션이 포함되어 있음.  
+
+3) Chain-of-Thoughts(CoT) 프롬프트 (C):
+   LLM에게 복잡하고 논리적인 응답 장려. 중간 추론 단계를 사고의 사슬로 추가.  
+
+### B. 벤치마크 및 지식 그래프 생성을 위한 데이터 세트 구축  
+
+- m<sup>6</sup>A 연구와 관련된 문헌의 제목 추출: PubMed, PtbTator 검색 및 사용.  
+  완전한 문장, 여러 유전자에 대한 참조를 포함하는 제목 -> m<sup>6</sup>A와 유전자/단백질 사이의 경로 매핑  
+
+1. 벤치마크 데이터세트에 대한 주석 방법  
+  컴퓨터 과학과 생물의학 분야 전문가 5명을 주석자로 삼고 400개의 제목에 주석을 닮. 세 단계를 거침.  
+  a. 연습 주석 단계  
+  b. 그룹 주석 단계  
+  c. 심사 단계  
+
+2. 주석 지침  
+  연습 주석 단계에서의 기본 지침 요약
+
+### C. nodes, predicates, context의 정규화  
+
+- node, context 정규화: Gilda, Gene Ontoloy knowledgebase.  
+- predicates 정규화: Ontological predicate definition.  
+- 관계 정규화: GPT-4 적용 및 수동 평가.    
+
+### D. m<sup>6</sup>A-KG 구축  
+
+- 400개 제목의 벤치마크 데이터 세트 외에 PubTator에서 MRP에 관한 제목 968개 추가 추출.  
+  정규화된 관계 그래프를 벤치마크 데이터 세트의 그래프와 통합.   
+  포괄적인 KG인 m<sup>6</sup>A-KG 구축.
+
+- Neo4j를 이용한 KG 시각화 및 조작
+
+### E. 평가 및 지표 기준  
+
+1) 벤치마크 데이터 세트 평가  
+  Precision 및 F1 score 지표  
+
+      예측된 node 및 edge를 평가하는 기준  
+            a. True positive: GPT-4의 예측 node가 벤치마크 주석과 완전히 일치할 경우  
+            b. False positive: node나 edge가 잘못 추출될 경우 혹은 node는 일치하지만 서술어가 올바르지 않거나 추출되지 않았을 경우  
+            c. False negative: 모든 node와 edge에 대한 예측이 일치하지 않았을 경우
+
+
+3) G-Eval 체계  
+  수동 주석 작업을 자동화하기 위해 LLM 사용.  
+  프레임워크 GPT-4-evaluation 제안.  
+
+      ![Fig. 4.](https://www.ncbi.nlm.nih.gov/pmc/articles/instance/10836076/bin/nihpp-2024.01.27.577521v1-f0004.jpg)   
+      평가를 위한 G-Eval 프롬프트 / A: 컨텍스트 평가, B: 그래프 평가  
+
+## 3. Results  
+
+### A. 벤치마크 데이터 세트의 주석  
+- m<sup>6</sup>A 연구 논문 400개의 제목에 대한 컨텍스트 인식 그래프에 주석을 닮.
+- 데이터 세트의 정규화된 컨텍스트에서 24개의 다른 TCGA 암 유형을 추출할 수 있었음.
+
+### B. 우수한 성능의 reguloGPT  
+
+- 평가 위해 REACH, EIDOS 알고리즘 선택  
+  (두 알고리즘 모두 컨텍스트를 추출하도록 설계된 것은 아님)
+
+  ![Table 1.](https://www.biorxiv.org/content/biorxiv/early/2024/01/30/2024.01.27.577521/T1.medium.gif)   
+  각 프롬프트의 성능을 알고리즘과 비교하여 평가 (컨텍스트 평가는 제외) / CoT 프롬프트가 가장 효과적
+
+- 예시1  
+  "m<sup>6</sup>A 메틸트랜스퍼라제 METTL3는 LEF1의 m<sup>6</sup>A 수준을 조절하여 골육종 진행을 촉진한다" (PMID: 31253399)    
+  컨텍스트: 골육종  
+  REACH: (METTL3, STIMULATES, LEF1 수준)  
+  EIDOS: (m6A 메틸트랜스퍼라제 METTL3, STIMULATES, 골육종 진행)  
+  reguloGPT: 골육종 및 올바른 3개의 직접 edge 및 1개의 간접 3edge 관계 추출 성공  
+
+- 예시2  
+  "elF3i는 PHGDH 번역 증강을 통해 대장암 세포 생존을 촉진한다" (PMID: 37611825)  
+  reguloGPT: 컨텍스트는 대장암 세포, 세 개의 삼중항 식별. (PHGDH, STIMULATES, 생존) 까지.  
+  REACH: 한 개의 삼중항 (elF3i, STIMULATES, 세포 생존)  
+  EIDOS: 두 개의 삼중항(elF3i, AUGMENTS, PHGDG 번역), (elF3i, STIMULATES, 대장암 세포 생존)  
+
+- few-show prompt의 조건 무시 문제  
+  "Suppression of m6A reader Ythdf2 promotes hematopoietic stem cell expansion" (PMID: 30065315)  
+  "Silencing METTL3 inhibits the proliferation and invasion of osteosarcoma by regulating ATAD2" (PMID: 32044716)
+
+### C. G-Eval 평가는 수동 평가와 일치  
+
+- G-Eval 평가의 score 범위는 1~5. 사람 주석 평가와의 유사성.
+
+  ![Table 2.](https://www.biorxiv.org/content/biorxiv/early/2024/01/30/2024.01.27.577521/T2.medium.gif)  
+  CoT 프롬프트가 가장 우수.
+
+## 4. m<sup>6</sup>A-KG, A context-aware KG of m<sup>6</sup>A regulatory fuctions  
+
+### A. reguloGPT를 이용한 m6A-KG 구축  
+
+- 포괄적인 m<sup>6</sup>A-KG에서 가장 연결 차수가 높은 m<sup>6</sup>(827)는 그래프의 중심이 된다.  
+  차수별 상위 node에는 METTL3(436), METTL14(122)와 같은 주요 m<sup>6</sup>A writers, ALKBH5(166) 및 FTO(222)와 같은 erasers, YTHDF2(127) 및 YTHDF1(109)과 같은 readers가 포함된다.
+  이는 m<sup>6</sup>A의 조절 기능에서 중요한 역할을 강조한다.  
+  세포 증식과 신생물 전이를 나타내는 node도 높은 수준을 보이며, m<sup>6</sup>A가 이러한 종양 관련 표현형에 상당한 영향을 미친다는 것을 나타낸다.
+
+### B. m<sup>6</sup>-KG의 구조는 분자 조절 경로의 구조를 반영  
+
+- MRP의 아키텍처를 따르는지 알아보기 위한 node 분류 그룹:  
+  m<sup>6</sup>A, WERs, GO/pathway, genes/proteins, 기타(H, M, L)
+
+- 다양한 범주 node의 outdegree-rate
+
+  ![Fig. 5.](https://www.ncbi.nlm.nih.gov/pmc/articles/instance/10836076/bin/nihpp-2024.01.27.577521v1-f0005.jpg)  
+  m<sup>6</sup>A와 WERs(Writers, Erasers, Readers)는 핵심 조절자.  
+  GO/pathwat node는 하류 조절자.   
+  gene/protein node는 그 둘을 잇는 중간자.  
+
+  other node의 경우  
+  other(L)은 질병 표현형 또는 결과 정의.  
+  other(H)는 화학적 자극 또는 환경적 자극.  
+
+  => MRP의 특징
+
+### C. m<sup>6</sup>A-KG는 다양한 암 유형에서 m<sup>6</sup> 기능의 독특한 메커니즘을 보여준다  
+
+- m<sup>6</sup>A 조절 기능에 대해 알 수 있다.  
+  m<sup>6</sup>A 조절자, 질병 표현형, 종양 전이 관여, 종양 억제 유전자의 암 의존적 조절 등 조절 메커니즘을 KG를 통해 해석할 수 있다.
+
+## 5. Conclusion  
+
+- reguloGPT: MRP 영역에서 KG의 end-to-end 구축을 위한 GPT-4의 새로운 응용 프로그램.  
+- ICL 프롬프팅 개발.  
+- 벤치마크 데이터베이스에 대한 reguloGPT의 효능 평가, G-Eval 평가와 사람 주석의 유사성.  
+- m<sup>6</sup>A-KG 구축: MRP 구조 반영. 컨텍스트와 PubMed ID를 통합하는 고유한 컨텍스트 인식 edge가 특징.
+  컨텍스트별 조절 이해, 데이터의 추적성과 검증 개선.  
+- 향후 연구: edge와 컨텍스트에 대한 개선된 정규화 체계, 체계적인 G-Eval 평가 및 관계 추출 탐구.

_sass/minimal-mistakes.scss

@@ -35,3 +35,6 @@
 @import "minimal-mistakes/archive";
 @import "minimal-mistakes/sidebar";
 @import "minimal-mistakes/print";
+
+/* google fonts */
+@import url('https://fonts.googleapis.com/css2?family=Nanum+Myeongjo&display=swap');

_sass/minimal-mistakes/_variables.scss

@@ -17,7 +17,7 @@ $indent-var: 1.3em !default;
 
 /* system typefaces */
 $serif: Georgia, Times, serif !default;
-$sans-serif: -apple-system, BlinkMacSystemFont, "Roboto", "Segoe UI",
+$sans-serif: -apple-system, BlinkMacSystemFont, "Nanum Myeongjo", "Roboto", "Segoe UI",
   "Helvetica Neue", "Lucida Grande", Arial, sans-serif !default;
 $monospace: Monaco, Consolas, "Lucida Console", monospace !default;