常见问题

这只是又一个 GPT 套壳吗？

不是。Robertium 仅将 LLM 用于一项具体任务：按受控词表从摘要中提取结构化论断。LLM 不生成假说——它只把非结构化文本转换为图格式。

假说生成使用 Don R. Swanson 1980 年代的基于文献的发现模型，作用于知识图谱。这是确定性的图算法，而非 LLM 推理。

我怎么知道这些假说是真实的、而非幻觉？

每条假说都是一条带有 PMID、指向同行评议论文的证据链。你可以在 /hypotheses 页面点击任意 PMID，对照原始摘要核验论断。

如果某条论断与其来源论文不符，那就是一个 bug——请通过 GitHub 或邮件报告。我们定期对高分假说做人工抽查，多数都捕捉到了有意义的关系，但精确率与召回率尚未系统评估——这项工作计划与首个预印本一同进行。错误是存在的，我们希望知道它们。

这与现有的药物再利用工具有何不同？

大多数再利用工具以三种方式之一工作：(1) 与已知药物的分子相似性，(2) 基因表达特征匹配，或 (3) 临床试验数据挖掘。Robertium 使用基于文献的发现（LBD）——揭示存在于已发表研究中、但尚未被明确研究的关联。

具体而言，我们的跨领域方法（药物来自一种疾病的文献，靶点/媒介与另一种疾病的文献共享）很少被系统地自动化。大多数 LBD 工具只在单一领域工作。

Robertium 与现有的文献挖掘工具（PubTator、BERN2、SemMedDB）有何不同？

Robertium 在更高的抽象层次上运作。PubTator、BERN2 等工具做命名实体识别；SemMedDB 通过 SemRep 提取语义谓词。Robertium 把它们当作输入（我们用 PubTator 做 L1 生物医学相关性过滤），并在其上增加两层：(1) 基于 LLM 的结构化论断提取，带显式的主语–谓语–宾语三元组与置信分数；(2) 同时跨多个疾病图谱的跨领域 Swanson ABC 链。

输出不是实体标签或单句关系，而是带有跨越两种文献的完整证据链的候选再利用假说。

我可以在研究中使用它吗？

可以。/hypotheses 目录可自由浏览。全部代码采用 MIT 许可证。数据集将随首个预印本以 CC-BY-4.0 发布。

如果你想：

• 通过实验验证某条假说——请引用本项目，并把结果（无论正负）告知我们。
• 在自己的语料上使用该方法学——克隆仓库，配置新领域，运行流程。
• 合作改进方法学——在 GitHub 上开 issue，或发邮件至 daniel@robertium.com。

生成假说的验证率是多少？

这是一个开放的研究问题。我们尚处早期，还没有对顶尖假说做系统性的实验验证。

个别来看，若干顶尖假说与已发表的发现相符——例如，vortioxetine（抗抑郁药）对胶质母细胞瘤的疗效于 2024 年发表在 Nature Medicine（Lee 等），并由 Robertium 从「癫痫 ↔ 胶质母细胞瘤」分析中自动浮现。这表明该方法学浮现的是真实信号，而非噪声。

系统性验证需要实验室合作，我们正在积极寻求。优先用于验证的顶尖假说会在 /hypotheses 上标注。

已知的局限与假阳性来源有哪些？

三大噪声来源：

• 实体解析是词面层级的。「EGFR」与「Epidermal Growth Factor Receptor」在当前图谱中仍是不同节点，待基于 UMLS 的归一化。
• LLM 偶尔会把次要提及——对照组药物、引用文献——当作主要论断提取，尤其在写得密集的摘要中。
• 有些媒介非常宽泛（TNF-α、IL-6、NF-κB、自噬、氧化应激），会把任何抗炎药与任何与炎症相关的疾病连起来。它们已从推广质量假说中过滤，但保留在原始图谱中供下游研究使用。

系统性的精确率评估计划在首个预印本中进行。在此之前，每条假说都链接到其来源 PMID，便于评审者独立核验论断。

为什么选择这些具体的治疗领域？

当前的十个领域是出于多样性与可行性选择的：四个神经系统（癫痫、ALS、阿尔茨海默病、多发性硬化），一个精神科（重性抑郁障碍），两个肿瘤（胶质母细胞瘤、胰腺癌），一个代谢（2 型糖尿病），两个自身免疫/炎症（类风湿关节炎、炎症性肠病）。它们共享足够的分子生物学以产生有意义的跨领域桥梁（EGFR 信号、BDNF、自噬、线粒体功能障碍、AMPK、TNF-α），又彼此足够不同，使文献的交叉授粉并不平凡。

实务考量：当前语料中每个领域有 14,000–18,000 篇论文——信号足够，又不至于压垮 L1 过滤与下游提取。新增或重新采集一个领域所需的流程时间与语料规模成正比，因此目录可按用户需求扩展。如果你对某个具体领域有充分理由，请联系我们。

我可以在自己的语料上运行吗？

可以。流程与领域无关。要添加新领域：

• 找到你的 OpenAlex concept ID
• 在 config/domains/ 下创建新的 YAML 配置
• 运行 scripts/run_full_pipeline.py --domains your_domain

README 有详细的安装说明。流程与模型无关：任何支持结构化输出的现代 instruction-tuned LLM 都可用于提取步骤。

那临床试验数据、药物–靶点数据库等呢？

目前 Robertium 只使用文献。与结构化生物医学数据库的集成计划在 2026 年底：

• DrugBank——用于药物–靶点验证与元数据
• ChEMBL——用于结合亲和力数据
• ClinicalTrials.gov——用于已知的临床研究

它们将是额外的证据层，而非对基于文献的发现的替代。

这是如何资助的？

目前由维护者自筹。我们正在积极申请开放科学基金：

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

如果贵基金会支持开放的生物医学基础设施，请联系我们。

我如何贡献或合作？

视你想做什么，有几个切入点：

• 方法学贡献——查看 github.com/routewise96/robertium 上的开放 issue。欢迎为过滤器、谓词或流程改进提交 pull request。
• 实验验证——若要在实验室合作验证具体假说，请直接联系 daniel@robertium.com。
• 目录反馈——对具体假说或论断的更正可通过邮件或 GitHub issue 提交。两种方式都可以；我们都会处理。
• 新领域或复现——整个流程是开源的。克隆仓库并按 README 操作；如有不清楚之处，乐意帮助调试。

谁来验证方法学？

一份带有详细方法学与验证的预印本将于 2026 年中提交至 bioRxiv。发表前，方法学开放供研究社区评审——技术问题请在 GitHub 上开 issue。

我们欢迎批评。当领域专家发现问题时，项目会变得更好。

我是记者，可以引用 Robertium 吗？

可以，需注明出处。为确保技术准确，请在发表前与我们联系——五分钟的交流可避免误读。daniel@robertium.com。

我们尤其欢迎关于以下主题的报道：

• 开放科学基础设施
• 跨领域生物医学研究
• 作为传统药物发现替代方案的药物再利用
• 科研中的 AI/ML（以负责任的方式呈现）

我是临床医生，可以据此做决策吗？

不可以。Robertium 生成的是供研究探索的假说，而非临床指导。生成的候选需要：

• 领域专家的评审
• 临床前验证（细胞系、动物模型）
• 在任何临床应用之前进行 I–III 期临床试验

请勿根据 /hypotheses 的内容改变你的治疗决策。这是研究基础设施，不是医疗建议。