摘要

本文介绍了一种基于大型语言模型（LLM）的知识合成与科学推理框架——BioLunar，该框架专为生物医学发现设计，特别是在肿瘤学中的生物标志物发现。BioLunar通过集成LLM，能够跨分布式证据空间进行复杂的科学推理，增强了对异构数据源的协调和推理能力。该平台采用模块化设计，提供可重用的数据访问和数据分析组件，以及一个低代码用户界面，使不同编程水平的研究人员都能构建LLM支持的科学工作流程。通过促进从异构证据中自动进行科学发现和推理，BioLunar展示了LLM与专业数据库和生物医学工具集成以支持专家级知识合成和发现的潜力。

原理

BioLunar的工作原理基于LLM的强大语言理解和生成能力，通过构建一个集成多种知识库和分析工具的平台，实现对生物医学数据的深度解析和推理。LLM作为语言分析层，能够减少不同功能组件之间的语法阻抗，一旦构建了外部组件的适配器，就可以在不同上下文中集成和重用，从而实现功能组件的单调增加。此外，LLM需要通过检索增强生成（RAG）等机制来提供上下文控制，并执行当代生物医学推理中不可或缺的分析任务。

流程

BioLunar的工作流程包括创建基于LLM的生物医学科学工作流程，使用具有标准化API的软件组件。工作流程由通过输入-输出关系连接的组件和子工作流程组成，能够处理多个输入。用户界面中，组件根据其功能进行分组。创建工作流程不需要编程知识，因为组件是预定义的，仅需要数据输入或参数设置。对于希望编写自定义代码的用户，提供了“Python Coder”和“R Coder”组件，允许定义自定义方法。这些自定义组件可以保存并在“自定义”组标签中访问。论文中描述了一个示例生物医学工作流程，该工作流程旨在整合证据并从生物信息学管道结果中推断结论。

应用

BioLunar的应用前景广泛，特别是在精准肿瘤学和生物标志物发现领域。该框架能够自动化证据解释、知识合成，并生成丰富的基因集报告，这对于解决精准肿瘤学中的挑战至关重要。此外，BioLunar的模块化设计和低代码界面使其易于扩展和定制，能够适应不断变化的分析需求，为生物医学研究提供强大的支持。