
-
生物通官微
陪你抓住生命科技
跳动的脉搏
大语言模型加速生物医学数据集筛选:一种可推广的通用框架与提示模板
《Scientific Data》:Large language models accelerate dataset screening for meta-analysis in biomedical data repositories
【字体: 大 中 小 】 时间:2026年10月14日 来源:Scientific Data 7.2
编辑推荐:
摘要随着FAIR原则的推广,生物医学数据仓库包含数千个数据集,这带来了巨大的可发现性挑战,需要进行耗时的人工筛选。大语言模型(LLMs)有潜力加速这一过程,但目前将大语言模型应用于检索后数据集筛选的研究仍然有限。为弥补这一不足,我们开发了一套可推广的、与仓库无关的大语言模型数
随着FAIR原则的推广,生物医学数据仓库包含数千个数据集,这带来了巨大的可发现性挑战,需要进行耗时的人工筛选。大语言模型(LLMs)有潜力加速这一过程,但目前将大语言模型应用于检索后数据集筛选的研究仍然有限。为弥补这一不足,我们开发了一套可推广的、与仓库无关的大语言模型数据集筛选框架和提示模板,并在三个仓库和疾病场景中系统地评估了四个通用大语言模型:NCBI基因表达综合库(536个肺癌数据集)、ProteomeXchange(258个卵巢癌数据集),以及回溯性地评估了ArrayExpress(56个神经退行性疾病数据集)。在这些案例研究中,单个大语言模型在留出测试集上的中位灵敏度范围为88%–93%(集成决策可达100%),不同仓库间的特异性为85.1%–99.1%。在回溯性的ArrayExpress案例研究中,该框架和提示模板在未进行调优的情况下即可推广至不同的仓库和疾病场景。这些结果表明,大语言模型能够在大幅减少数据集筛选工作量的同时,保持较高的灵敏度和特异性,筛选过程中位耗时仅6.0分钟。