一种用于提升FAIR（公平、可用、可解释和可重组）的独立生物数据库整合能力的通用人工智能系统

《Journal of Data and Information Quality》：A GenAI System for Improved FAIR Independent Biological Database Integration

科学数据整合难题的解决方案，提出基于自然语言处理的FAIRBridge系统，通过智能解析查询意图、匹配数据库及生成执行计划，显著提升非FAIR合规数据源的查询效率与结果可靠性。

　　

摘要

生命科学研究日益需要从不断发展的开放数据（LOD）网络中的各种信息源中识别、获取并有效处理数据。这一动态的环境给研究人员带来了巨大压力，因为查询结果的质量在很大程度上取决于数据源的选择和语义整合——这些过程通常耗时费力、容易出错且成本高昂。尽管采用FAIR（可发现、可访问、可互操作和可重用）数据原则旨在应对这些挑战，但高效准确处理科学数据的障碍依然存在。

在本文中，我们介绍了FAIRBridge，这是一个基于自然语言的实验性查询处理系统，旨在帮助科学家发现、访问和查询生物数据库，即使这些数据库不符合FAIR标准。FAIRBridge利用人工智能技术解读查询意图，将其映射到科学文献中描述的相关数据库，并通过智能资源访问计划生成可执行的查询。该系统还包含强大的工具来减轻低质量查询处理带来的影响，确保所提供的信息具有高保真度和响应性。

FAIRBridge的自主查询处理框架使用户能够探索替代数据源，在每个步骤中做出明智的选择，并在需要时利用社区驱动的众包审核机制。通过提供一个用户友好的、自动化生成的、以自然语言呈现的假设测试平台，FAIRBridge显著提升了科学数据的整合和处理能力，为研究人员提供了推进研究的强大新工具。