前言

自始自终，生物科学领域的研究人员都面临着一个巨大挑战：从海量信息中甄别关键信息、找到更有效的新疗法。激烈的行业竞争，促使如今的科研人员需要快速而准确地发现那些真知灼见，为此，数据处理与分析整合能力成了所有研究者的必修课。

研讨会回顾：加速药物发现进程

快速揭示生物途径与联系

如果您从事疾病生物学领域的工作，并与药物研发和发现新的治疗靶点息息相关，在此，我们诚挚邀请参加您参加Dr. Sherry Winter的网络研讨会。

在研讨会中，您将收获来自专家讲者的独到行业洞察，了解加速药物发现的过程。

会议主题

EmBiology揭示生物途径与联系

演讲嘉宾

Dr. Sherry Winter

Director

Sherry Winter是爱思唯尔生命科学解决方案部，生物学和生物医学解决方案总监，负责EmBiology的产品开发，并与客户密切合作，了解研究挑战并开发有效的解决方案来克服这些障碍。Sherry在生命科学的产品开发方面拥有超过 13 年的经验，并拥有加拿大多伦多大学医学遗传学博士学位。

如何运用科学知识，以造福制药业和公众

在研讨会中，专家谈到将语义人工智能与文本分析和数据增强工具相结合，帮助研发专业人员做出更快、更有效的决策。

“让人类和机器使用相同的语言来讨论科学事物。”为了做到这一点，将非结构化内容转化为有序的机器可读数据，用于生命科学领域的科学发现。这涉及与专业科研人员合作，将他们的专业知识融入其中。

本体论与人工智能如何确切地联系在一起？

人工智能技术非常强大，但输出仍然需要验证真实性。本体论代表了人类所认可的真实：某物是某种类型的事物，并与其他类型的事物相关。因此，如果你能将这些输入到你的人工智能中，你就能兼得两者的优势。

AI 仍然完成困难的部分：同时将我们的基本真理融入其中。随着这些新兴的生成 AI 的出现，对验证的需求变得更加重要。本体论可以在文献综述的最重要步骤中提供控制，并在信息检索中保持一致性，确保每次通过可解释的过程返回相同的文档。

关于EmBiology

爱思唯尔的EmBiology，通过将关键疾病数据进行整合，并以交互方式对其进行结构化处理，从而减轻研究者的压力。EmBiology能有效帮助科研人员做出基于证据的研究决策，促进项目的实施与完成，帮助企业降本增效，最终更快地为患者带来新颖的治疗方法。

EmBiology基于由人工智能驱动的知识图谱提供支持，涵盖了140万个实体、1570万种生物学关系，以及8720万条可供参考与查看的事实，以帮助使用者：

通过已公布的实验成果，了解疾病生物学中的因果关系 成人版快手app

通过筛选出版物、关系和概念的过滤检索，获取有针对性的生物关系数据，并提供参考文献引用

通过消除对已知文献搜索词的依赖，最大限度地降低研究偏差风险

示例：EmBiology 中的初始视图显示了糖尿病的上下游关系，包括影响。用户可使用高级筛选器缩小结果范围，并可浏览相关参考文献。

EmBiology的内容全面且前沿，数据每周更新，包括药物开发和疾病生物学核心期刊、clinicalTrial.gov的数据以及Pubmed的摘要。只需点击几下鼠标，研究人员就可以轻松地组织关于药物、化合物和临床试验的全面信息，从而推动潜在治疗策略的发展。

用Scopus AI 快速获得所需的准确信息

作为一名研究神经病治疗方法的药理学家，Engie El Sawaf博士使用Scopus AI来查找来自同行评审期刊的可信信息。

Engie所从事的领域不断发展，这意味着她经常需要迅速了解新的研究领域。她发现生成式人工智能工具，如Scopus AI，可以帮助她更快地获取正确的信息：

“我已经与Scopus AI合作了几个月，感觉非常好。之前我使用过ChatGPT，但它不是一个用于科学文献综述的工具。当我听说有一种基于Scopus的新工具时，我开始经常使用它，因为 Scopus 是我在进行文献综述时最信任的数据库。”

Scopus AI利用自 2013 年以来发表的Scopus文档的元数据和摘要。该工具使用先进的提示工程技术，以最小化虚假的 AI 生成信息的风险，并确保回答基于当前和可信的知识。

对于研究人员来说，可靠的信息至关重要。Engie表示，Scopus AI 基于一个经过策划和同行评审的数据集，这使其与那些依赖于更一般数据集的工具有所区别。

Scopus AI 以Scopus数据库中涵盖了全球7,000多家出版商旗下的超过27,000种学术期刊的可信内容、累计超过18亿的引用文献，和超过1700万的学者档案为基础，为用户提供简明易读的科研主题摘要。Scopus数据库的内容经过独立的内容遴选与咨询委员会严格审核与筛选，该委员会由代表主要科学学科的全球知名科学家和图书馆员组成。

自2023年8月测试版发布以来，全球数千名科研人员积极参与了Scopus AI的测试工作。从开发过程中科研人员的反馈来看，随着生成式AI技术的快速发展，科研人员亟需可信赖的、被引用的相关性强且高度个性化的学术成果。