关于 Robertium
这个项目为何存在，以及它走向何方
机器辅助翻译，待校对。
问题
药物发现既慢又贵。一款新药平均需要 10–15 年和超过 20 亿美元才能上市。然而，许多可能带来新疗法的关联其实早已存在于已发表的文献中——它们只是淹没在每天发表的 4000+ 篇生物医学论文的噪声里。
药物再利用——为已获批药物寻找新用途——是更快、更便宜的替代方案。但系统性地发现再利用候选需要跨不同治疗领域阅读并连接成千上万篇论文中的证据。没有任何人类团队能在此规模上完成。
Robertium 正是为此而生。
由谁打造
Robertium 由 Daniel Trofimov 作为独立开源项目构建与维护，在 github.com/routewise96/robertium 持续提交，并在 /updates 公开方法学日志。
我的背景是工程，而非生物医学。我从基础设施一侧切入这个问题：大规模结构化文献挖掘是一个可解的软件问题，而现有的开放工具在跨领域假说生成之前就止步了。每一个方法学决定都在公开进行，并吸纳比我更懂生物学的研究者的意见，社区的更正以提交（commit）的形式落地，而非悄无声息的修改。
Daniel 在 GitHub 和 LinkedIn。项目名以纪念我的父亲，他教会我：有意义的工作需要数年，耐心是一种修养。
方法
Robertium 阅读开放的生物医学文献，提取结构化论断，并运用一套 40 年历史的方法学——Don R. Swanson 的基于文献的发现——借助现代语言模型与知识图谱。
结果是：带有完整证据链的候选假说，可供专家评审与实验验证。不是预测，不是魔法——只是系统性地发现已存在于已发表研究中的关联。
详细方法学见 /method。
为何开源
药物发现的基础设施太重要，不应被锁在专有平台之后。我们认为：
- 生物医学文献是公共物品。浏览它的工具也应当公开。
- 可复现性是科学的根本。封闭系统会破坏它。
- 研究者应当能够检查、修改并改进那些产生假说的方法——他们将为验证这些假说付出数年。
所有代码均采用 MIT 许可证。所有提取的数据将随首个预印本以 CC-BY-4.0 发布。知识图谱可供下载。任何人都可以克隆仓库并在自己的领域上运行完整流程。
下一步
2026（至今）
- 多领域语料库上线：10 个治疗领域，167,145 篇论文，270,791 条结构化论断
- 跨领域假说目录：共 24,285 个候选，去重后 1,618 个通过推广质量过滤（197 个高置信）并带有完整证据链
2026（进行中）
- 在 bioRxiv 发布公开预印本，描述方法学与首批发现
- 以 CC-BY-4.0 向研究社区开放数据集
- 联系领域专家评审顶尖候选
2027
- 扩充语料库：每个主要领域 100,000+ 篇论文
- 与实验室积极合作，验证顶尖候选
- 面向公众的工具：面向研究者的 API、用于探索假说的网页界面
- 通过开放科学基金获得资助（Mozilla、Wellcome、CZI）
更远
- 建立生物医学研究者可依赖的可持续基础设施
- 与临床数据、药物–靶点数据库（DrugBank、ChEMBL）集成
- 训练领域专用模型以提高提取精度
- 使 Robertium 成为基于文献的发现的标准基础设施
如何参与
Robertium 通过协作成长。我在寻找：
- 领域专家——能够评审本领域顶尖假说、告诉我们哪些有趣、哪些平凡的肿瘤学家、神经科医生、药理学家。
- 计算生物学家——尤其是从事知识图谱、生物医学 NLP 或 LBD 方法学的人。
- 工程师——开源贡献、性能改进、新功能。
- 资助方——如果贵基金会支持开放的生物医学基础设施。
请联系 daniel@robertium.com 或通过 GitHub。