본 논문은 생물학적 지식 기반에서 표적 경로를 검색하는 과제를 해결하기 위해, 실험 데이터를 명시적으로 통합하는 새로운 하위 그래프 추론 프레임워크인 ExPAth를 제안합니다. ExPAth는 생물학적 데이터베이스 내 다양한 그래프(생물 네트워크)를 분류하고, 분류에 기여하는 링크(경로를 나타냄)를 표적 경로로 간주합니다. 본 프레임워크는 생물학적 기초 모델을 원활하게 통합하여 실험 분자 데이터를 인코딩할 수 있으며, ML 지향적인 생물학적 평가와 새로운 지표를 제시합니다. 301개의 생물 네트워크 평가를 포함한 실험 결과, ExPAth에 의해 추론된 경로는 생물학적으로 의미가 있으며, 기존 방법보다 최대 4.5배 높은 Fidelity+(필요성)와 14배 낮은 Fidelity-(충분성)을 달성하면서 최대 4배 더 긴 신호 전달 체인을 유지합니다.
