AI筛选生物关系时，证据图谱应该保留哪些不确定性

首页 / 专题文章 / AI研究

发布于 2026-07-19FSCloud编辑资料

模型输出不是统一证据

语言模型、图神经网络和传统分类器可能都输出一个候选关系，但它们使用的输入与目标不同。文献模型学习已发表叙述，表达模型学习样本中的共同变化，结构模型则关注分子层面的可能作用。把它们合成一个分数前，应先保留各自回答的问题。

如果一项关系只因文献出现频率高而排名靠前，它可能反映研究热点，而不是效应更强。

节点必须带着身份版本

基因符号会变更，miRNA命名也可能区分前体、成熟链与物种。证据图谱若只存一个短名称，后续合并数据时容易产生假关系。

节点至少应连接稳定标识、名称版本、物种与对象类型；映射不确定时保留多个候选，不要静默选一个。

边需要说明证据动作

“相关”“预测靶标”“直接结合”“扰动后变化”和“共同通路”是不同边。视觉上都画成一条线，会让读者高估一致性。

边的类型、方向、来源、数据日期和支持条件应可追踪。综合边可以存在，但必须能够展开看到组成证据。

冲突不是清洗错误

不同研究得到相反方向，可能来自组织、剂量、时间或技术平台差异。简单投票会把少数但关键的条件信号当成噪声。

图谱可以把条件作为边属性，并显示在哪些场景下关系成立。无法解释的冲突继续保留，而不是为了图面整齐删除。

训练集泄漏会制造漂亮结果

同一论文的摘要、正文和数据库记录若同时进入训练与测试，模型可能只是认出文本来源。患者级资料也要按患者分组，避免重复样本跨集合。

测试设计应模拟未来输入：新论文、新中心、新批次或新技术平台。

人工复核应该看哪里

复核优先检查高影响、低确定和来源冲突的关系，不需要平均浏览所有节点。界面应让复核者快速回到原文、数据版本和模型解释。

人工意见也要记录理由。只有“接受”或“拒绝”的标签，无法在下一次模型更新时重新判断。

如何把AI结果用于下一项实验

先找出模型结论依赖的关键假设，再设计最能区分替代解释的实验。若关系可能由共同上游因素造成，直接改变候选miRNA并观察目标与下游过程，比重复训练模型更有信息。

实验失败时把实际条件返回图谱，避免模型继续把旧候选当成无条件事实。

实际检查记录

这些字段帮助团队把一次结果留成可复查记录。只保留当前任务真正使用的项目，不必追求表格项目数量。

检查项	为什么需要保留
文献节点	保存论文标识、版本与撤稿状态，摘要、预印本和正式论文不能被当成三项独立证据。
数据节点	记录队列、样本类型、生成平台和访问条件，模型输出必须能回到具体数据版本。
分子节点	基因、转录本、蛋白和miRNA使用不同标识体系，图谱需要明确对象层级。
关系边	相关、结合、扰动、共现和知识推断分别编码，避免所有连接都显示成同一条线。
方向属性	激活、抑制、正相关、负相关与未知方向不能用一个“相关”标签覆盖。
条件属性	组织、细胞系、剂量、时间和疾病亚型决定关系在哪些环境中成立。
证据日期	旧证据不必删除，但需要显示之后是否出现更强方法、冲突结果或数据库修订。
发布偏差	阳性关系更容易发表，文献数量不能直接转换成生物效应大小。
热门基因	研究频率高的节点天然拥有更多边，中心性需要和覆盖偏差一起解释。
文本重复	同一研究被综述、数据库和新闻重复引用时，系统应回溯到原始证据去重。
否定语句	文本模型容易忽略“未发现”或“仅在某条件”，人工复核要看到原句上下文。
物种转换	动物和细胞模型证据不能静默升级为人类证据，跨物种映射应保留距离。
标识冲突	旧符号映射到多个新对象时，图谱保留歧义，不能为追求连通性强行合并。
模型版本	嵌入、分类器和图算法更新会改变排名，结果需连接训练时间与模型校验。
训练语料	公开文献、数据库和非公开资料的许可与覆盖不同，来源决定模型能回答的边界。
信息泄漏	同一论文的多个表达形式跨越训练测试集，会让评估表现过度乐观。
负样本	“没有记录”不等于关系不存在，构造负样本时要区分未知与实验否定。
置信校准	模型给出的高概率应在独立资料上检查实际命中率，不能只比较排序指标。
解释方法	特征重要性说明模型依赖什么输入，不自动揭示真实生物机制。
反事实测试	改变关键输入后观察预测变化，可发现模型是否依赖批次或无关格式信号。
来源冲突	相反证据按条件并列展示，系统不能只保留最新或票数最多的一边。
人工角色	复核者应记录接受、保留或拒绝的理由，意见本身也需要版本和责任边界。
高风险队列	优先检查影响大、证据少、来源冲突和模型不确定的关系，而非平均浏览所有节点。
实验建议	AI可以提出区分假设的实验，但材料、剂量和终点仍需领域专家定义。
更新触发	新论文、数据库修订、撤稿或模型升级分别触发不同范围的重算。
审计记录	每次合并、删除和评分变化应保留前后值，使图谱演化可以被解释。
访问权限	受限数据的推断结果也可能泄露信息，导出范围不能只看原始文件是否公开。
临床隔离	科研候选关系不得直接进入患者建议，临床使用需要额外证据和治理流程。
界面表达	颜色和线宽必须有图例；视觉强度不能让预测边看起来像已验证事实。
最终用途	发现、教学、实验设计和临床研究需要不同阈值，图谱不应使用单一“可信”按钮。

场景与判断边界

同一种结果放在不同设备、数据集或研究条件中，可能需要完全不同的解释。下面列出容易被忽略的场景差异。

场景	判断重点
候选发现	模型负责把庞大组合缩小为可检查队列，目标是提高检索效率而不是宣布真相。
文献归纳	摘要可以定位线索，最终判断需要回到方法、图表、补充材料与研究限制。
实体消歧	同名缩写可能指基因、蛋白或技术，语境和稳定标识共同决定节点身份。
关系抽取	句子中的共同出现不是作用证据，模型应区分实验动作、观察结果和作者推测。
证据分级	综述、队列关联、细胞实验、动物模型与临床研究回答不同问题，不宜直接相加。
时间顺序	较新论文不必然更可靠，但可包含新平台、新样本和对早期结果的修订。
数据血缘	每个分数应知道经过哪些清洗、映射、聚合和模型步骤，便于定位变化来源。
模型漂移	文献语言和数据库结构变化后，旧模型可能降低召回或偏向旧术语。
概念漂移	同一疾病分类随指南更新而变化，历史标签与当前标签需要明确映射。
零样本泛化	模型遇到训练中未见的基因或疾病时，高置信输出尤其需要独立核对。
嵌入邻近	语义接近表示文本使用相似，不等于分子功能或调控方向一致。
图传播	高连接节点会把分数传播到邻居，热门节点可能因结构而获得额外优势。
边采样	训练时省略大量边能提高效率，也会改变稀有关系的学习机会。
类别失衡	已验证正例远少于未知组合，准确率不能代表模型找到稀有真关系的能力。
阈值选择	探索工具可提高召回，实验排程则更重视精度；同一阈值无法服务所有任务。
校准曲线	把预测概率分组后比较实际命中率，能发现模型是否系统性过度自信。
外部队列	来自新机构和新时间段的验证比原数据随机切分更接近真实未来输入。
消融实验	移除某类证据后观察表现，能判断模型是否真正使用了预期信息。
错误切片	按物种、组织、年份和证据类型分析错误，比一个平均指标更能指导修正。
主动学习	让专家优先标注最不确定且最有影响的关系，可提高有限复核时间的价值。
专家分歧	不同专家意见不应强制平均，记录理由能揭示定义、证据或用途上的差异。
反馈污染	未经核实的用户点击若直接回流训练，会让界面偏好被误当成科学正确。
自动摘要	摘要必须连接原文位置，删去限制语的流畅改写会扩大结论范围。
生成幻觉	不存在的论文、基因关系或数值必须通过标识和来源检索阻断，不能靠语气判断。
证据缺口	模型应允许输出“资料不足”，而不是为每一对对象都生成关系解释。
公平性	训练资料集中在特定人群和疾病时，其他群体的低证据不应被解释成低重要性。
隐私攻击	模型可能记忆罕见样本或文本，访问控制与输出检查需要覆盖推断结果。
许可证	论文、数据库和内部数据的许可影响是否可训练、缓存与对外展示。
撤回流程	撤稿或数据修订触发边降级、重新评分与受影响结论清单。
可视化审计	节点大小、颜色和线宽映射写入图例，避免设计选择制造不存在的确定性。
决策日志	研究团队记录为何选择某候选及当时证据，后续失败才能真正改进模型。
多模态输入	图像、序列、表达和文本具有不同噪声结构，联合模型需要说明缺失一种模态时怎样工作。
数据库重叠	多个数据库可能收录同一实验，简单相加会把一项证据重复计权。
来源等级	原始实验、人工整理和模型预测应有不同标识，读者才能知道关系离观察有多远。
日期截断	回顾性评估应按时间切分，避免模型从未来综述中提前看到测试关系。
可解释失败	模型无法给出稳定解释时，不应以流畅文字补足证据缺口。
罕见对象	训练资料少的分子可能得到低分，低分应区分未知与明确反证。
专家复核量	界面要控制每次复核规模，过长候选列表会降低判断一致性。
复核抽样	除高分关系外也抽查低分和随机样本，才能估计系统遗漏与过度筛选。
上线监测	部署后持续观察输入分布、错误切片和人工推翻率，而不只监控服务可用性。
退出机制	模型长期无法在独立数据保持表现时，应暂停自动建议并回到人工检索。
基准任务	训练前定义实体识别、关系分类、证据排序或实验推荐中的哪一项任务，避免用单一分数混合多个目标。
边界提示	输出页面在关系附近显示证据层级和未知部分，比统一放在页尾的免责声明更能减少误读。
复现实验	保存模型、提示、检索版本和候选清单，才能判断结果变化来自资料更新还是算法变化。
用户行动	研究者先打开最高影响关系的原始证据，再决定补数据、改模型或安排实验，而不是直接接受摘要。

阅读边界：本文提供访问诊断或科研方法说明，不构成医疗诊断、治疗建议，也不替代软件平台的当前公告。