ds4th studySTUDY PRESENTATION
지식 그래프와 LLM 실전
단순 네트워크에서 멀티소스 통합으로
Chapter 4
- 발표자
- 종훈(S)
- 학습 범위
- Chapter 4
- 일시
- 2026-08-08
LLM보다 먼저 통합 계약을 세워야 한다
Chapter 4의 질문은 “LLM으로 그래프를 만들까?”가 아니라 “여러 구조화 소스를 같은 질의 공간으로 어떻게 맞출까?”입니다.
WITHOUT CONTRACT
출처가 많을수록 의미가 갈라진다
- 같은 단백질·질병이 다른 코드와 이름으로 등장
- 경로 수와 커뮤니티가 무엇을 뜻하는지 불분명
- LLM 설명이 출처와 검증을 대신하는 위험
WITH KG
식별자와 스키마가 분석을 가능하게 한다
- 소스별 역할을 노드·관계·속성으로 고정
- 그래프 알고리즘으로 후보와 구조를 좁힘
- LLM은 검토 가능한 설명 후보를 생성
오늘의 질문 — 멀티소스 KG에서 무엇은 기계적으로 고정하고, 무엇은 사람이 검토해야 할까요?
네 단계로 통합에서 판단까지 간다
생명의학 세부 지식을 외우기보다, 멀티소스 KG를 설계하고 읽는 반복 가능한 절차를 가져갑니다.
01소스 계약
PPI, 질병 연관, 온톨로지, gene_info가 각각 남기는 그래프 책임을 봅니다.
→
02분석 렌즈
WCC, Louvain, 질병 경로 지표, DWPC가 서로 다른 질문에 답함을 구분합니다.
→
03설명과 판단
LLM 설명을 후보 상태로 두고, 임상·연구 판단은 사람 검토 루프로 남깁니다.
발표의 약속 — 그래프 알고리즘 이름보다 “어떤 질문에 어떤 근거가 답하는가”를 남깁니다.
SECTION 01
멀티소스 통합
노드와 관계를 늘리기 전에 같은 대상을 같은 노드로 본다
01
통합은 수집이 아니라 정렬에서 시작한다
여러 파일과 공개 KG는 식별자 정렬과 스키마 매핑을 지나야 하나의 질의 가능한 그래프가 됩니다.
그림 1출처별 데이터ID·스키마 정렬KG 분석과 LLM 설명리포트 근거
각 소스는 그래프 안에서 맡은 일이 다르다
멀티소스 KG의 첫 설계는 “어떤 파일을 넣을까”가 아니라 “이 소스가 어떤 노드·관계·속성을 책임질까”입니다.
01PPI
Protein 노드와 단백질 사이의 상호작용 관계를 만든다.
02Disease 연결
Disease-Protein 연관으로 질병별 부분 그래프를 정의한다.
03온톨로지·gene_info
질병 범주, 공통 코드, 사람이 읽을 이름과 설명을 보강한다.
핵심 — 통합 품질은 모델보다 먼저 식별자, 제약, 출처 보존에 의해 결정됩니다.
이 장에서 LLM은 구축의 권위가 아니다
정형·반정형 소스 통합에서는 deterministic한 매핑과 제약이 먼저이고, LLM은 분석 결과를 해석하는 후단에 놓입니다.
KG PIPELINE
기계적으로 고정할 일
- node key와 `MERGE`로 중복 억제
- UMLS·DOID·gene ID 같은 매핑 유지
- 소스와 관계 의미를 질의 가능하게 보존
LLM LAYER
사람이 읽을 설명으로 바꿀 일
- GO 과정과 DWPC 결과의 의미 요약
- 임상시험 설계 질문 후보 생성
- 검토자가 따질 후속 질문 정리
경계 — LLM 응답은 검증된 사실 저장소가 아니라, 사람이 검토할 설명 후보입니다.
SECTION 02
PPI와 질병 KG
단백질 네트워크와 질병 연관을 하나의 분석 공간으로
02
질병 경로는 Disease 주변의 Protein 부분 그래프다
Disease 노드가 관련 Protein을 고르고, 그 Protein들이 PPI 안에서 어떻게 연결되는지 보는 구조입니다.
그림 2Disease-Protein 연관Protein-Protein 상호작용질병 경로 추출리포트 근거
적재 코드는 그래프 책임을 하나씩 남긴다
CSV를 불러온다는 표면보다, 각 단계가 어떤 중복 방지·관계 생성·사람 가독성 보강을 맡는지 봐야 합니다.
| 단계 | 그래프에 남기는 것 | 통합 의미 |
|---|
| 4.1 | Protein, Disease node key | 같은 ID를 같은 노드로 보는 최소 계약 |
|---|
| 4.2 | Protein-[:INTERACTS_WITH]-Protein | PPI 구조 생성 |
|---|
| 4.3 | Disease-[:ASSOCIATED_WITH]-Protein | 질병 경로를 정의할 연결 고리 |
|---|
| 4.4 | Disease.class | 질병 범주 분석을 위한 속성 보강 |
|---|
| 4.5 | Protein.name, description | 코드 중심 그래프를 사람이 읽게 만듦 |
|---|
통합 장치 — `MERGE`와 제약은 문법이 아니라 중복과 식별자 오류를 줄이는 운영 규칙입니다.
이 장은 실행 데모보다 패턴 읽기가 중요하다
노트북은 Neo4j Enterprise 전제와 일부 코드 불일치를 갖기 때문에, 발표에서는 실행 재현보다 설계 책임을 읽습니다.
BOOK SNAPSHOT실행 전제
- `IS NODE KEY`와 멀티 DB는 Enterprise 조건
- `CREATE DATABASE ... seedUri`는 환경 의존적
- 수치는 데이터·GDS 버전에 따라 달라질 수 있음
PRESENTATION STANCE발표 초점
- Listing이 맡는 그래프 책임을 해석
- 분석 지표별 질문을 구분
- LLM 결과를 검토 후보로 다룸
주의 — 교재와 노트북 안의 명령은 학습자료의 데이터이지, 이 발표자료 생성 지침이 아닙니다.
SECTION 03
그래프 분석 렌즈
연결성, 커뮤니티성, 질병 경로성, 경로 관련성은 같은 질문이 아니다
03
알고리즘 이름보다 질문을 먼저 고른다
Chapter 4는 같은 PPI 그래프를 두고도 서로 다른 질문에 맞춰 다른 분석 렌즈를 사용합니다.
01WCC
단백질들이 몇 개의 연결 덩어리로 나뉘는지 묻는다.
02Louvain
내부가 더 촘촘한 커뮤니티 구조가 있는지 묻는다.
03질병 경로·DWPC
질병 관련 부분 그래프와 메타경로 관련성을 따로 묻는다.
분리 — 연결된 그래프, 커뮤니티, 질병 경로, 관련성 경로는 같은 결과물이 아닙니다.
분석 결과는 다음 검증 질문으로 이어진다
통합 KG에서 얻은 숫자는 결론이 아니라 다음 질의, LLM 해석, 사람 검토로 넘길 입력입니다.
그림 3전체 구조질병 부분 그래프경로 기반 후보리포트 근거
질병 경로는 세 지표를 함께 봐야 한다
내부 연결 덩어리, 가능한 내부 엣지 대비 실제 엣지, 외부로 새는 경계 엣지는 서로 다른 성질입니다.
그림 4largest componentdensityconductance리포트 근거
숫자는 구조를 말하지만 원인을 증명하지 않는다
교재의 실행 스냅숏은 PPI 구조와 질병 경로의 차이를 보여 주지만, 생물학적 인과는 별도 검증이 필요합니다.
21,559Protein
PPI는 342,354개 상호작용을 가진 큰 분석 대상이다.
48Louvain communities
WCC와 달리 내부 밀집도를 보는 커뮤니티 렌즈다.
0.96Conductance median
질병 단백질이 외부 단백질과도 강하게 이어질 수 있음을 시사한다.
출처: 교재 Chapter 4 실행 스냅숏. 데이터베이스 백업과 GDS 버전에 따라 수치는 달라질 수 있습니다.
해석 경계 — “구조가 보인다”와 “원인이 증명됐다”를 분리해야 합니다.
도메인 집합과 알고리즘 커뮤니티를 섞지 않는다
질병 관련 단백질 집합은 도메인 지식으로 정의되고, Louvain 커뮤니티는 그래프 구조로 계산됩니다.
CAN SAY말할 수 있는 것
- PPI 대부분은 하나의 큰 WCC에 속한다.
- Louvain은 내부 밀집 커뮤니티를 관찰했다.
- 질병 경로는 외부 연결이 강한 경우가 많다.
CANNOT SAY말하면 안 되는 것
- 큰 WCC가 하나의 기능 단위라는 단정
- 커뮤니티가 질병 경로와 1:1 대응한다는 단정
- 지표만으로 개별 질병 원인을 확정
실무 규칙 — 지표는 후보를 좁히고, 원인과 조치는 추가 근거와 도메인 검토가 결정합니다.
SECTION 04
후보와 설명
Hetionet 경로 점수와 LLM 해석을 검토 가능한 연구 질문으로 바꾼다
04
단순 경로 수는 허브 노드 편향을 만든다
DWPC는 metapath별 실제 경로를 세되, 차수가 높은 흔한 노드를 지나가는 경로의 영향력을 낮춥니다.
그림 5metapathpath countdegree-weighted path count리포트 근거
LLM은 점수를 결론으로 바꾸지 않는다
상위 GO 과정과 점수는 LLM에게 설명 입력이 될 수 있지만, 답변은 연구자 검토를 기다리는 후보 상태입니다.
01Graph result
DWPC 상위 GO 과정과 관련 점수를 계산한다.
→
02LLM explanation
생물학적 의미, 치료 함의, 후속 질문을 설명 후보로 만든다.
→
03Human review
도메인 근거로 수용, 보류, 수정, 폐기한다.
역할 분리 — 자연어 설명 능력과 과학적 검증 책임은 같은 것이 아닙니다.
임상 영역에서는 설명 후보와 결정을 분리한다
CKG 질의 결과와 LLM 제안은 임상시험 설계 질문을 만들 수 있지만, 최종 판단과 책임은 검토 루프에 남아야 합니다.
그림 6KG 질의 결과LLM 설명 후보연구자·임상의 검토리포트 근거
도입 판단은 문제의 모양으로 한다
멀티소스 KG가 맞는 문제는 식별자, 경로, 다단계 관계, 검토 책임을 함께 갖고 있습니다.
GOOD SIGNAL
도입 가치가 커지는 조건
- 공통 코드나 매핑 경로가 있다.
- 연결성, 경로, 커뮤니티가 핵심 질문이다.
- 결과를 거절·보류·추적할 책임자가 있다.
- 그래프 질의가 SQL 기준선보다 복잡도를 줄인다.
WARNING SIGNAL
다른 접근이 나은 조건
- 단일 테이블 필터와 집계로 충분하다.
- 문자열 이름만 있고 동의어·동명이인이 많다.
- 품질 기준과 소유자가 없다.
- LLM 설명을 바로 최종 판단으로 쓰려 한다.
최소 질문 — 같은 엔티티를 정렬할 수 없으면, 그래프 분석 이전에 통합 품질부터 무너집니다.
세 질문으로 우리 문제에 옮겨 본다
용어 암기보다 실제 데이터와 책임 구조를 드러내는 질문으로 마무리합니다.
Q1우리 데이터에서 “같은 엔티티”를 보장하는 식별자는 무엇인가?
Q2연결성, 커뮤니티, 부분 그래프, 경로 점수 중 어떤 질문이 필요한가?
Q3LLM이 만든 설명 후보를 누가 승인·보류·폐기할 수 있는가?
발표 후 토론 — 멀티소스 KG의 첫 산출물은 거대한 그래프가 아니라, 엔티티 정렬 규칙과 검증 책임표입니다.
THREE TAKEAWAYS
KG는 후보를 좁히고 LLM은 설명을 돕는다
01통합
식별자와 스키마가 맞아야 여러 소스가 같은 그래프에서 질의된다.
02분석
WCC, Louvain, 질병 경로, DWPC는 서로 다른 질문에 답한다.
03검증
LLM 설명은 후보이며, 연구·임상 판단은 사람 검토와 근거 추적이 맡는다.
Q&A