ЧаВо

Это просто очередная обёртка над GPT?

Нет. Robertium использует LLM для одной конкретной задачи: извлечения структурированных утверждений из аннотаций по контролируемому словарю. LLM не генерирует гипотезы — она лишь превращает неструктурированный текст в графовый формат.

Генерация гипотез использует модель основанного на литературе поиска Дона Свенсона из 1980-х, применённую к графу знаний. Это детерминированный графовый алгоритм, а не вывод LLM.

Как понять, что гипотезы настоящие, а не галлюцинации?

Каждая гипотеза — это цепочка доказательств с PMID на рецензируемые статьи. Можно кликнуть по любому PMID на странице /hypotheses и проверить утверждение по оригинальной аннотации.

Если утверждение не соответствует своей статье-источнику — это баг, сообщите о нём через GitHub или по почте. Мы регулярно делаем ручные выборочные проверки топ-гипотез, и большинство отражают осмысленные связи, но точность и полнота пока систематически не оценивались — эта работа запланирована вместе с первым препринтом. Ошибки есть, и мы хотим о них знать.

Чем это отличается от существующих инструментов перепрофилирования лекарств?

Большинство инструментов перепрофилирования работают одним из трёх способов: (1) молекулярное сходство с известными препаратами, (2) сопоставление сигнатур экспрессии генов или (3) анализ данных клинических испытаний. Robertium использует основанный на литературе поиск (LBD) — выявляет связи, которые существуют в опубликованных исследованиях, но не были изучены явно.

В частности, наш межобластной подход (препарат из литературы по одной болезни, мишень/посредник, общий с литературой по другой болезни) редко автоматизируется систематически. Большинство LBD-инструментов работают в пределах одной области.

Чем Robertium отличается от существующих инструментов разбора литературы (PubTator, BERN2, SemMedDB)?

Robertium работает на более высоком уровне абстракции. Инструменты вроде PubTator и BERN2 выполняют распознавание именованных сущностей; SemMedDB извлекает семантические предикации через SemRep. Robertium использует их как входные данные (мы применяем PubTator для L1-фильтра биомедицинской релевантности) и добавляет два слоя сверху: (1) извлечение структурированных утверждений на основе LLM с явными тройками «субъект–предикат–объект» и оценками достоверности, и (2) межобластные цепочки Свенсона ABC одновременно по нескольким графам болезней.

Результат — не теги сущностей и не односложные отношения, а гипотезы-кандидаты на перепрофилирование с полными цепочками доказательств, охватывающими две литературы.

Можно ли использовать это в моих исследованиях?

Да. Каталог /hypotheses свободно доступен для просмотра. Весь код под лицензией MIT. Набор данных будет опубликован под CC-BY-4.0 вместе с первым препринтом.

Если вы хотите:

• Проверить гипотезу экспериментально — пожалуйста, сошлитесь на проект и сообщите нам результаты (положительные или отрицательные).
• Применить методологию к своему корпусу — склонируйте репозиторий, настройте новую область, запустите пайплайн.
• Поработать над улучшением методологии — откройте issue на GitHub или напишите на daniel@robertium.com.

Какова доля подтверждения сгенерированных гипотез?

Это открытый исследовательский вопрос. Мы на ранней стадии и пока не имеем систематической экспериментальной валидации топ-гипотез.

Эмпирически несколько топ-гипотез совпадают с опубликованными находками — например, эффективность vortioxetine (антидепрессанта) при глиобластоме была опубликована в Nature Medicine в 2024 (Lee et al.) и автоматически выявляется Robertium из анализа «эпилепсия ↔ глиобластома». Это говорит о том, что методология выявляет реальный сигнал, а не шум.

Систематическая валидация требует партнёрства с лабораториями, которое мы активно ищем. Топ-гипотезы, приоритетные для валидации, будут отмечаться на /hypotheses.

Каковы известные ограничения и источники ложноположительных результатов?

Три основных источника шума:

• Разрешение сущностей лексическое. «EGFR» и «Epidermal Growth Factor Receptor» остаются отдельными узлами в текущем графе — до нормализации на основе UMLS.
• LLM иногда извлекает вторичные упоминания — препараты группы контроля, ссылки на цитирование — как первичные утверждения, особенно в плотно написанных аннотациях.
• Некоторые посредники очень общие (TNF-α, IL-6, NF-κB, аутофагия, окислительный стресс) и связывают любой противовоспалительный препарат с любой болезнью, связанной с воспалением. Они отфильтровываются из гипотез outreach-качества, но остаются в сыром графе для дальнейших исследований.

Систематическая оценка точности запланирована для первого препринта. А пока каждая гипотеза ссылается на свои PMID-источники, чтобы рецензенты могли проверять утверждения независимо.

Почему именно эти терапевтические области?

Текущие десять областей выбраны ради разнообразия и посильности: четыре неврологические (эпилепсия, БАС, болезнь Альцгеймера, рассеянный склероз), одна психиатрическая (большое депрессивное расстройство), две онкологические (глиобластома, рак поджелудочной железы), одна метаболическая (диабет 2 типа) и две аутоиммунные/воспалительные (ревматоидный артрит, воспалительные заболевания кишечника). Они разделяют достаточно молекулярной биологии, чтобы давать осмысленные межобластные мосты (сигналинг EGFR, BDNF, аутофагия, митохондриальная дисфункция, AMPK, TNF-α), и при этом достаточно различны, чтобы перекрёстное опыление литературы было нетривиальным.

Практические соображения: каждая область в текущем корпусе содержит 14 000–18 000 статей — достаточно сигнала, не перегружая L1-фильтр и последующее извлечение. Добавление или повторный сбор области занимает время пайплайна пропорционально размеру корпуса, поэтому каталог можно расширять по запросу пользователей. Если у вас есть веский аргумент за конкретную область — напишите нам.

Можно ли запустить это на своём корпусе?

Да. Пайплайн не привязан к области. Чтобы добавить новую область:

• Найдите свой concept ID в OpenAlex
• Создайте новый YAML-конфиг в config/domains/
• Запустите scripts/run_full_pipeline.py --domains your_domain

В README есть подробные инструкции по настройке. Пайплайн не зависит от модели: для шага извлечения подойдёт любая современная instruction-tuned LLM с поддержкой структурированного вывода.

А как же данные клинических испытаний, базы «препарат–мишень» и т. п.?

Сейчас Robertium использует только литературу. Интеграция со структурированными биомедицинскими базами запланирована на конец 2026:

• DrugBank — для валидации «препарат–мишень» и метаданных
• ChEMBL — для данных по аффинности связывания
• ClinicalTrials.gov — для известных клинических исследований

Это будут дополнительные слои доказательств, а не замена поиску по литературе.

Как это финансируется?

Сейчас — за счёт мейнтейнера. Мы активно ищем гранты открытой науки:

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

Если ваш фонд поддерживает открытую биомедицинскую инфраструктуру — напишите нам.

Как я могу внести вклад или посотрудничать?

Несколько точек входа в зависимости от того, что вы хотите делать:

• Вклад в методологию — смотрите открытые issues на github.com/routewise96/robertium. Pull request'ы для фильтров, предикатов или улучшений пайплайна приветствуются.
• Экспериментальная валидация — по сотрудничеству над проверкой конкретных гипотез в лаборатории пишите напрямую на daniel@robertium.com.
• Обратная связь по каталогу — поправки по конкретным гипотезам или утверждениям можно прислать по почте или через issue на GitHub. Оба способа работают; по обоим мы реагируем.
• Новая область или воспроизведение — весь пайплайн открыт. Склонируйте репозиторий и следуйте README; рады помочь с отладкой, если что-то непонятно.

Кто проверяет методологию?

Препринт с подробной методологией и валидацией будет подан на bioRxiv в середине 2026. До публикации методология открыта для рецензии сообществом — пожалуйста, открывайте issues на GitHub по техническим вопросам.

Мы приветствуем критику. Проект становится лучше, когда профильные эксперты находят проблемы.

Я журналист. Можно ли цитировать Robertium?

Да, со ссылкой. Ради технической точности свяжитесь до публикации — пятиминутный разговор предотвращает искажения. daniel@robertium.com.

Особенно приветствуем материалы о:

• Инфраструктуре открытой науки
• Межобластных биомедицинских исследованиях
• Перепрофилировании лекарств как альтернативе традиционному поиску лекарств
• ИИ/МО в научных исследованиях (поданном ответственно)

Я клиницист, можно ли принимать решения на основе этого?

Нет. Robertium генерирует гипотезы для исследовательской проверки, а не клинические рекомендации. Сгенерированные кандидаты требуют:

• Экспертной оценки профильными специалистами
• Доклинической валидации (клеточные линии, животные модели)
• Клинических испытаний фаз I–III до любого клинического применения

Пожалуйста, не меняйте решения о лечении на основе содержимого /hypotheses. Это исследовательская инфраструктура, а не медицинский совет.