FAQ

Est-ce juste un énième wrapper de GPT ?

Non. Robertium utilise les LLM pour une tâche précise : extraire des affirmations structurées des résumés selon un vocabulaire contrôlé. Le LLM ne génère pas d'hypothèses — il convertit seulement du texte non structuré en format graphe.

La génération d'hypothèses utilise le modèle de découverte fondée sur la littérature de Don R. Swanson des années 1980, appliqué à un graphe de connaissances. C'est un algorithme de graphe déterministe, pas de l'inférence LLM.

Comment savoir si les hypothèses sont réelles et non hallucinées ?

Chaque hypothèse est une chaîne de preuves avec des PMID vers des articles évalués par les pairs. Vous pouvez cliquer sur n'importe quel PMID sur la page /hypotheses et vérifier l'affirmation par rapport au résumé original.

Si une affirmation ne correspond pas à son article source, c'est un bug — merci de le signaler via GitHub ou par e-mail. Nous effectuons des vérifications manuelles régulières des hypothèses les mieux notées et la majorité capturent des relations significatives, mais la précision et le rappel n'ont pas encore été évalués systématiquement — ce travail est prévu avec le premier préprint. Des erreurs existent et nous voulons les connaître.

En quoi est-ce différent des outils de repositionnement existants ?

La plupart des outils de repositionnement fonctionnent de trois façons : (1) similarité moléculaire avec des médicaments connus, (2) appariement de signatures d'expression génique, ou (3) exploration de données d'essais cliniques. Robertium utilise la découverte fondée sur la littérature (LBD) — faire émerger des liens qui existent dans la recherche publiée mais n'ont pas été étudiés explicitement.

En particulier, notre approche inter-domaines (médicament d'une littérature de maladie, cible/médiateur partagé avec une autre littérature de maladie) est rarement automatisée de façon systématique. La plupart des outils LBD travaillent dans un seul domaine.

En quoi Robertium diffère-t-il des outils d'exploration de la littérature existants (PubTator, BERN2, SemMedDB) ?

Robertium opère à un niveau d'abstraction plus élevé. Des outils comme PubTator et BERN2 font de la reconnaissance d'entités nommées ; SemMedDB extrait des prédications sémantiques via SemRep. Robertium les consomme comme entrées (nous utilisons PubTator pour le filtre L1 de pertinence biomédicale) et ajoute deux couches par-dessus : (1) extraction d'affirmations structurées par LLM avec des triplets explicites sujet–prédicat–objet et des scores de confiance, et (2) des chaînes ABC de Swanson inter-domaines à travers plusieurs graphes de maladies simultanément.

Le résultat n'est pas des étiquettes d'entités ou des relations d'une seule phrase, mais des hypothèses de repositionnement candidates avec des chaînes de preuves complètes couvrant deux littératures.

Puis-je l'utiliser dans ma recherche ?

Oui. Le catalogue /hypotheses est librement consultable. Tout le code est sous licence MIT. Le jeu de données sera publié sous CC-BY-4.0 avec le premier préprint.

Si vous souhaitez :

• Valider une hypothèse expérimentalement — merci de citer le projet et de nous communiquer les résultats (positifs ou négatifs).
• Utiliser la méthodologie sur votre propre corpus — clonez le dépôt, configurez un nouveau domaine, lancez le pipeline.
• Collaborer à l'amélioration de la méthodologie — ouvrez une issue sur GitHub ou écrivez à daniel@robertium.com.

Quel est le taux de validation des hypothèses générées ?

C'est une question de recherche ouverte. Nous en sommes à un stade précoce et n'avons pas encore de validation expérimentale systématique des meilleures hypothèses.

De façon anecdotique, plusieurs hypothèses de tête correspondent à des résultats publiés — par exemple, l'efficacité de la vortioxetine (antidépresseur) contre le glioblastome a été publiée dans Nature Medicine en 2024 (Lee et al.) et est automatiquement mise en évidence par Robertium à partir de l'analyse épilepsie ↔ glioblastome. Cela suggère que la méthodologie fait émerger un signal réel, pas du bruit.

La validation systématique nécessite des partenariats de laboratoire, que nous recherchons activement. Les meilleures hypothèses prioritaires pour la validation seront signalées sur /hypotheses.

Quelles sont les limites connues et les sources de faux positifs ?

Trois sources principales de bruit :

• La résolution d'entités est lexicale. « EGFR » et « Epidermal Growth Factor Receptor » restent des nœuds distincts dans le graphe actuel, en attendant une normalisation basée sur UMLS.
• Le LLM extrait parfois des mentions secondaires — médicaments du bras témoin, références de citation — comme des affirmations primaires, surtout dans les résumés denses.
• Certains médiateurs sont très génériques (TNF-α, IL-6, NF-κB, autophagie, stress oxydatif) et relient n'importe quel médicament anti-inflammatoire à n'importe quelle maladie associée à l'inflammation. Ils sont filtrés des hypothèses de qualité mais restent dans le graphe brut pour des usages de recherche en aval.

Une évaluation systématique de la précision est prévue pour le premier préprint. En attendant, chaque hypothèse renvoie à ses PMID sources afin que les relecteurs puissent vérifier les affirmations de manière indépendante.

Pourquoi ces domaines thérapeutiques précis ?

Les dix domaines actuels ont été choisis pour leur diversité et leur faisabilité : quatre neurologiques (épilepsie, SLA, Alzheimer, sclérose en plaques), un psychiatrique (trouble dépressif majeur), deux oncologiques (glioblastome, cancer du pancréas), un métabolique (diabète de type 2) et deux auto-immuns/inflammatoires (polyarthrite rhumatoïde, maladie inflammatoire de l'intestin). Ils partagent assez de biologie moléculaire pour produire des ponts inter-domaines significatifs (signalisation EGFR, BDNF, autophagie, dysfonction mitochondriale, AMPK, TNF-α) tout en étant assez distincts pour que la pollinisation croisée des littératures soit non triviale.

Considérations pratiques : chaque domaine du corpus actuel compte 14 000–18 000 articles — assez de signal sans saturer le filtre L1 et l'extraction en aval. Ajouter ou réingérer un domaine prend un temps de pipeline proportionnel à la taille du corpus, donc le catalogue peut être étendu selon la demande. Si vous avez un argument solide pour un domaine précis, contactez-nous.

Puis-je l'exécuter sur mon propre corpus ?

Oui. Le pipeline est agnostique au domaine. Pour ajouter un nouveau domaine :

• Trouvez votre concept ID OpenAlex
• Créez une nouvelle config YAML dans config/domains/
• Lancez scripts/run_full_pipeline.py --domains your_domain

Le README contient des instructions d'installation détaillées. Le pipeline est agnostique au modèle : tout LLM moderne avec support de sortie structurée convient pour l'étape d'extraction.

Et les données d'essais cliniques, les bases médicament-cible, etc. ?

Actuellement, Robertium n'utilise que la littérature. L'intégration avec des bases biomédicales structurées est prévue pour fin 2026 :

• DrugBank — pour la validation médicament-cible et les métadonnées
• ChEMBL — pour les données d'affinité de liaison
• ClinicalTrials.gov — pour les investigations cliniques connues

Ce seront des couches de preuves supplémentaires, pas des remplacements de la découverte fondée sur la littérature.

Comment est-ce financé ?

Actuellement autofinancé par le mainteneur. Nous recherchons activement des subventions de science ouverte :

• Mozilla Open Source AI Fund
• Chan Zuckerberg Initiative Open Science
• Wellcome Trust Discovery Awards

Si votre fondation soutient l'infrastructure biomédicale ouverte, contactez-nous.

Comment contribuer ou collaborer ?

Plusieurs points d'entrée selon ce que vous voulez faire :

• Contributions à la méthodologie — voir les issues ouvertes sur github.com/routewise96/robertium. Les pull requests pour les filtres, prédicats ou améliorations du pipeline sont bienvenues.
• Validation expérimentale — pour des collaborations sur la validation d'hypothèses précises en laboratoire, contactez directement daniel@robertium.com.
• Retours sur le catalogue — les corrections sur des hypothèses ou affirmations précises peuvent passer par e-mail ou une issue GitHub. Les deux fonctionnent ; on agit sur les deux.
• Nouveau domaine ou réplication — tout le pipeline est open-source. Clonez le dépôt et suivez le README ; heureux d'aider au débogage si quelque chose n'est pas clair.

Qui valide la méthodologie ?

Un préprint avec une méthodologie et une validation détaillées sera soumis à bioRxiv mi-2026. Avant publication, la méthodologie est ouverte à la relecture par la communauté de recherche — merci d'ouvrir des issues sur GitHub pour les questions techniques.

Nous accueillons la critique. Le projet s'améliore quand les experts du domaine trouvent des problèmes.

Je suis journaliste. Puis-je citer Robertium ?

Oui, avec attribution. Pour l'exactitude technique, contactez-nous avant publication — une conversation de cinq minutes évite les malentendus. daniel@robertium.com.

Nous accueillons particulièrement les sujets sur :

• L'infrastructure de science ouverte
• La recherche biomédicale inter-domaines
• Le repositionnement de médicaments comme alternative à la découverte traditionnelle
• L'IA/ML dans la recherche scientifique (présentée de façon responsable)

Je suis clinicien, puis-je prendre des décisions sur cette base ?

Non. Robertium génère des hypothèses pour l'investigation de recherche, pas des recommandations cliniques. Les candidats générés nécessitent :

• Une revue par des spécialistes du domaine
• Une validation préclinique (lignées cellulaires, modèles animaux)
• Des essais cliniques de phase I à III avant toute application clinique

Merci de ne pas modifier vos décisions de traitement sur la base du contenu de /hypotheses. C'est une infrastructure de recherche, pas un avis médical.