这项由北京大学、等多宾夕法尼亚大学、校联学研伊利诺伊大学厄巴纳-香槟分校、手让普渡大学和斯坦福大学联合开展的生个真工作研究，以预印本形式发布于2026年6月，物医论文编号为 arXiv:2606.20997。探索台感兴趣的等多读者可通过该编号在arXiv平台查阅完整论文。

研究概要

想象一下，校联学研作为一名生物医学研究者，手让你手中握着一份源自数百名患者的生个真工作复杂数据表——其中密密麻麻地列出了数十种蛋白质及其在特定疾病中的异常表达统计值。你的物医核心任务是厘清：这些蛋白质在疾病机制中究竟扮演何种角色？哪些是优先深挖的靶点？是否有充分的文献支撑？是否存在潜在的治疗药物？

传统做法是将此类问题交由通用AI系统，生成一篇长篇分析报告。探索台然而，等多这类报告往往存在“黑盒”效应：研究者难以追溯结论来源，校联学研无法区分“确凿证据”与“模型推断”，手让更无法在分析过程中进行动态追问（例如：“该蛋白质与通路的关联依据是哪篇文献？”）。换言之，传统AI报告如同“端上桌的菜”，用户只能被动接受结果，却无法审视烹饪过程或调整口味。

为解决这一痛点，研究团队开发了 BioInsight——一套基于多智能体协作的系统。其核心理念并非提供一份静态报告，而是构建一个“透明厨房”：让研究者清晰看到每种“食材”（数据）的来源、处理逻辑及搭配依据，并支持在分析过程中随时调取原始证据进行验证。

一、为何静态报告无法满足生物医学研究需求？

生物医学研究的决策逻辑并非线性的“阅读-信任-执行”，而是一个循环迭代、反复验证、动态调整的过程。

以阿尔茨海默症研究为例，科学家面对包含10种血浆蛋白质的数据表时，核心问题并非简单的“重要性判断”，而是：
1. 优先级排序：哪3种蛋白质最具研究价值？
2. 机制关联：它们是否处于同一生物通路并相互影响？
3. 药物转化：是否有现有药物可靶向这些蛋白质？
4. 证据时效：支撑结论的是2015年的旧研究，还是近两年的新证据？

这些问题相互交织，且在回答过程中会衍生新问题。静态报告无法支持追溯来源、对比不同假说或在“宏观概览”与“微观细节”间无缝切换。BioInsight旨在填补这一空白，将静态报告生成升级为以证据为中心的交互式界面生成。

二、BioInsight的工作机制：分工明确的“研究厨房”

BioInsight采用模块化架构，由四个专职智能体协同工作，通过中央调度器（Harness）协调，确保数据流转的结构化与规范性。

1. 输入与输出

• 输入：疾病名称、蛋白质关联表（含风险比、置信区间、P值等）、可选的患者队列元数据。
• 输出：六类工件——排序后的通路表格、文献证据包、蛋白质推理备注、带引文报告、仪表板架构、可交互界面。

2. 四大智能体角色

岗位一：规划与检索（Planning & Retrieval）

• 通路富集：利用 g:Profiler将蛋白质映射至生物学通路。
• 去重优化：使用 BioBERT计算通路语义相似度，合并冗余条目。
• 综合排序：摒弃单一统计显著性，采用加权评分：
• 40%富集P值（统计集中度）
• 60%文献相关性（疾病-通路关联的现有研究量）
• 逻辑：统计显著但无文献支持的通路可能缺乏临床意义；反之，文献支持强的通路即便统计略弱也值得重点关注。
• 精准检索：针对每条通路，向 PubMed（上限50篇）和 Semantic Scholar（上限30篇）发起查询。
• 评分模型：关键词匹配（45%）+ BioBERT语义相似度（35%）+ 引用量对数分（20%）+ 期刊权重系数。
• 过滤标准：综合得分≥0.25，每条通路保留最多20篇验证文献。

岗位二：推理合成（Reasoning Synthesis）

• 输入：经过过滤和排序的结构化证据包（通路描述、相交蛋白质、统计值、文献、功能注释、STRING互作网络）。
• 输出：结构化推理备注（非自由文本），包含：
• 通路解释与疾病相关性
• 关键蛋白质摘要（功能、统计值、引文）
• 蛋白质互作模块分析：构建无向加权图，识别高置信度的“连通分量”（紧密互作圈），区分“协同机制”与“孤立功能线索”，避免证据混淆。
• 不确定性声明与整体引文列表。

岗位三：写作（Writing）

• 任务：将推理备注转化为结构完整的科学报告。
• 内容：疾病背景、队列摘要、排序通路表、通路/蛋白质级分析、互作摘要、药物/靶点背景。
• 关键特性：每个引文均关联具体 PMID，确保“结论来源可追溯”。

岗位四：可视化（Visualization）

• 输入：与报告完全相同的结构化证据对象（通路、蛋白质、文献、互作边、药物关联数据来自Open Targets/DGIdb）。
• 输出：可交互仪表板。
• 约束：LLM仅负责文本压缩，严禁生成新证据节点。仪表板内容严格受限于底层证据，确保“所见即所得，无据不显示”。

3. 中央调度器（Harness）

负责验证各阶段输出的必填字段完整性，以类型化工件形式传递信息，而非非结构化文本。这种设计使得任何中间环节的异常均可在边界处被检测，防止错误污染下游结果。

三、应对“错误”：诚实面对不确定性

生物医学AI最危险的失败模式是“幻觉”——即自信地给出错误答案。BioInsight设计了严格的降级行为规则：

• 无显著通路：直接报告“无法支持通路级解释”，拒绝编造机制。
• 文献支持薄弱：保留统计显著的通路，但标记为“探索性”或“文献支持薄弱”。
• 功能注释缺失：省略相关解释或标记为“功能证据不可用”。
• 无互作数据：回退至单蛋白质功能分析，不进行模块推断。
• 无药物记录：不将“缺乏记录”解读为“无治疗相关性”。

这种设计强调证据透明度，帮助研究者识别高价值线索，而非被流畅但无据的叙述误导。

四、竞品定位：BioInsight的独特优势

BioInsight的核心挑战在于全流程证据的连贯性与可检验性，而非单一环节的性能优化。

五、评估体系：三维互补检验

研究团队构建了三层评估体系：

1. 基础能力：BioASQ Phase B

• 测试内容：生物医学实体识别、规范化表达、有证据支持的答案选择。
• 结果：BioInsight在全部五项指标中达到最佳或并列最佳。
• 事实题MRR提升1.9%
• 列表题F值提升4.4%
• 结论：证据-实体映射流程在基础任务上可靠。

2. 推理能力：BioInsight-100

• 构建方法：基于UniProt和STRING真实数据，由GPT-5.5生成候选问题，经专家筛选形成100道跨证据源推理挑战题。
• 评分维度：生物医学准确性、证据使用情况、功能特异性、推理质量、表达清晰度（0-10分）。
• 结果：
• BioInsight: 8.62分（最高）
• GPT-5.5: 6.16分
• Gemma-4-31B: 4.09分
• Qwen3.5-9B: 2.76分
• DR-Tulu-8B: 2.07分
• 结论：BioInsight在蛋白质中心推理上不仅均值高，且稳定性强。

3. 端到端综合评估

• 测试疾病：阿尔茨海默症、抑郁症（MDD）、房颤（AF）、慢性肾脏病（CKD）、类风湿性关节炎（RA）。
• 对比系统：Claude Sonnet 4.6, GPT-5.5+Search, Gemini Deep Research, Gemma-4-31B+Search, Qwen3.5-9B+Search, DR-Tulu-8B, BioInsight完整版, BioInsight消融版（无显式搜索/推理分解）。
• 控制变量：所有“+Search”系统均使用BioInsight检索到的文献，以纯粹评估报告生成与推理整合质量。
• 评估维度：覆盖度、生物医学有效性、证据溯源性、优先级排序、可读性/可用性（人工评估）。
• 关键发现：
• 优势领域：BioInsight在证据溯源和优先级排序上优势显著，这得益于其工作流结构。
• 消融实验：移除搜索分解模块后，覆盖度、有效性、可追溯性和排序能力均下降，证明显式搜索对落地推理至关重要。
• 专家评价：BioInsight是唯一能持续将疾病关联证据（统计数值）与机制解释直接关联的系统，而非仅给出通用摘要。专家更看重仪表板提供的可导航证据路径，而非视觉美观度。

六、案例演示：阿尔茨海默症的证据地图

以阿尔茨海默症为例，输入10种统计显著的血浆蛋白质，系统输出如下：

• 跨通路驱动因子：APOE出现在脂质受体生物学、囊泡组织、突触过程和轴突相关通路的交叉点，印证其核心地位。
• 损伤支持：GFAP和 NEFL支持胶质细胞与轴突损伤假说。
• 互作模块：SNAP25和 SYT1构成突触前囊泡与化学突触的互作模块。
• 探索性标记：文献支持较弱的蛋白质可见但被标记，不混入主要机制链。

核心洞察：统计富集强但文献支持弱的通路，与文献支持充分但统计略弱的通路，系统均予以呈现，由研究者自主权衡，而非由AI替代表决。

七、局限与伦理声明

• 定位：支持研究解释与假说生成，非临床诊断或治疗方案选择。
• 伦理风险：用户可能误将自动生成的解释视为已验证机制。需独立生物医学分析与专家审查。
• 技术局限：
• 检索可能遗漏重要研究或引入噪声。
• 蛋白质同义词歧义、数据库覆盖不全、噪声数据影响结果。
• 信息损失：从检索至可视化的流转中，部分证据可能未被最终报告采用。研究团队认为，无效信息的堆砌反而构成干扰，因此排序与呈现效率是关键开放问题。

总结：BioInsight通过将中间工件从黑盒中解放，实现证据、推理与展示的紧密绑定，使研究者能够随时验证与追问。三轮评估证实，这种以结构化证据工件为核心的设计，在事实性问答、跨证据推理和端到端报告综合方面均带来可测量的提升。

Q&A

Q1：BioInsight和普通AI报告生成工具有什么本质区别？

A：普通工具通常将检索与推理混同于单一模型，输出静态文本，用户无法追溯结论来源。BioInsight将流程拆分为规划、检索、推理、写作、可视化五个阶段，每个阶段输出结构化工件。最终报告与交互式仪表板共享同一底层证据对象，支持从任一结论反向追溯至具体的蛋白质统计值、文献引用及互作证据。

Q2：BioInsight在阿尔茨海默症案例中是如何处理多通路复杂场景的？

A：系统将10种血浆蛋白质映射至多个候选通路，识别出 APOE为跨通路驱动因子（连接脂质代谢、囊泡组织、突触过程等）。系统同时保留“统计强但文献弱”（标记为探索性）和“文献充分”的通路，呈现多维证据供研究者权衡，避免系统替代人类做出价值判断。

Q3：BioInsight-100蛋白质功能分析基准是怎么构建的，为什么要专门建这个测试集？

A：现有基准（如BioASQ）侧重从给定文档中抽取精确答案，无法评估综合多源证据（功能注释、互作网络、通路背景、疾病机制）的复杂推理能力。BioInsight-100基于UniProt和STRING真实数据，由GPT-5.5生成候选问题并经专家筛选，形成100道挑战题，专门用于评估更接近真实研究场景的跨证据推理与排序能力。