Los gráficos de conocimiento (KGs) enfocados en biología molecular son gráficos dirigidos que integran información de fuentes heterogéneas de datos biológicos y biomédicos, como ontologías y bases de datos públicas. Proporcionan una visión holística de la biología, la química y la enfermedad, permitiendo a los usuarios establecer conexiones no obvias entre conceptos a través de asociaciones compartidas. Aunque estos gráficos masivos se construyen utilizando ontologías cuidadosamente seleccionadas y anotaciones de bases de datos públicas, gran parte de la información que relaciona los conceptos es específica del contexto. Dos variables importantes que determinan la aplicabilidad de una anotación de ontología dada son la especie y (especialmente) el tipo de tejido en el que tiene lugar. Utilizando un enfoque basado en datos y los resultados de miles de muestras de expresión génica de alta calidad, hemos construido KGs específicos de tejido (usando hígado, riñón y corazón como ejemplos) que validan empíricamente las anotaciones proporcionadas por los curadores de ontología. Los KGs resultantes, centrados en el ser humano, están diseñados para aplicaciones de toxicología, pero son generalizables a otras áreas de la biología humana, abordando el problema de la especificidad del tejido que a menudo limita la aplicabilidad de otros grandes KGs. Estos gráficos de conocimiento pueden servir como herramientas valiosas para generar explicaciones transparentes de los resultados experimentales en forma de hipótesis mecanicistas que son altamente relevantes para el tejido estudiado. Debido a que las relaciones basadas en datos se derivan de una gran colección de datos in vitro humanos, estos KGs son particularmente adecuados para aplicaciones de toxicología in vitro.