《Agronomy》：Arthropod Pesticide Resistance Scholar: A Large Language Model-Assisted Literature-Mining Framework for Building an Evidence-Grade Arthropod Pesticide Resistance Knowledge Base
编辑推荐：
节肢动物农药和杀螨剂抗性的快速演化威胁着作物保护和可持续害虫管理，而支撑性证据分散在数万篇论文中。现有的人工维护的数据库在分类群覆盖上较为狭窄，且很少将案例层面的监测与机制证据联系起来。在此，研究人员开发了节肢动物农药抗性学术助手（Arthropod Pest
节肢动物农药和杀螨剂抗性的快速演化威胁着作物保护和可持续害虫管理，而支撑性证据分散在数万篇论文中。现有的人工维护的数据库在分类群覆盖上较为狭窄，且很少将案例层面的监测与机制证据联系起来。在此，研究人员开发了节肢动物农药抗性学术助手（Arthropod Pesticide Resistance Scholar, APRS），一种大语言模型辅助的提取框架，可逐节渐进地提取抗性证据。APRS逐步确认物种、农药以及基因或种群关系，仅保留具有定量或实验支持的记录，生成两条证据轨道：监测（物种、农药、种群和抗性表型）和机制（物种、农药、基因和支持方法）。发布的知识库包含来自4094篇出版物的40,950个结构化案例，覆盖359个物种、313种农药和2563个基因，抗性证据时间跨度为1936年至2025年。针对一个固定的100篇论文专家金标准集（包含696个手工整理的案例），案例层面提取的精确率、召回率和F1分数分别为0.94、0.91和0.93。APRS提供结构化过滤和案例层面的检索增强助手，支持抗性监测、机制发现、抗性管理和综合害虫管理。
一、研究背景与问题
节肢动物在农业生态系统中扮演核心角色，既包括授粉等有益功能，也包括作为农业害虫和疾病媒介带来的危害。化学农药长期是作物保护和节肢动物害虫管理的主要手段。截至2025年9月，美国和中国的农药产品注册数量分别达到57,460种和50,723种。化学农药的密集和重复使用对目标害虫施加了强烈的抗药性选择压力，同时损害非目标节肢动物的生物多样性。目前农药抗性已出现在超过500种节肢动物物种中，削弱化学防治效果，给农业部门造成数十亿美元损失，并威胁公共卫生领域针对虫媒疾病的防治成果。
记录抗性出现和传播的证据有两条互补路径：表型监测，即对田间或实验室种群进行生物测定以量化抗性水平；机制表征，即解析抗性的分子基础，包括靶标位点变化如电压门控钠通道的kdr突变和乙酰胆碱酯酶的ace-1替换，以及由细胞色素P450、谷胱甘肽S-转移酶、羧酸酯酶、UDP-糖基转移酶和ABC转运蛋白介导的代谢解毒。
然而，这些证据分散在数万篇原始出版物中，以异构格式报告，术语不一致。现有资源如节肢动物农药抗性数据库和IRAC作用模式分类依赖专家手工录入，难以扩展到快速增长的全部文献，通常局限于特定类群或仅含监测记录，很少将种群层面监测与案例层面机制证据及其支持实验联系起来。目前仍缺乏一种文献规模、证据级别的资源，能够将监测和机制抗性记录与明确的实验支持及对源文本的完整可追溯性结合起来。
二、研究内容与结论
针对上述问题，研究人员开发了APRS，一种渐进式、章节级别的大语言模型提取框架，将节肢动物农药抗性文献转化为证据级别、可查询的知识库。该框架不采用单次传递提取实体，而是逐步确认物种、农药以及基因或种群关系，仅在记录携带真实定量值或记录实验方法时保留记录，从而区分真正的抗性证据与偶然共现。将该框架应用于编译的节肢动物农药抗性文献全文语料库后，研究人员构建了监测和机制抗性案例的证据级别知识库，并针对专家整理的金标准集进行了提取准确性基准测试，通过具有结构化过滤和案例级别检索增强助手的网络数据库发布。
研究得出以下主要结论：最终发布包含4094篇文献记录和40,950个结构化抗性案例，覆盖359个物种、313种农药和2563个基因，其中36,567个为监测案例，4383个为机制案例。在固定100篇论文金标准集（696个手工整理案例）上，案例层面提取的精确率为0.94，召回率为0.91，F1分数为0.93。监测字段中抗性状态F1为0.97，抗性因子为0.89，LC50/LD50为0.86；机制方法标签中，抗性过表达、体外验证、果蝇验证和CRISPR验证均达到F1为1.00，RNAi验证为0.97。功能验证的解毒相关机制子集包含1024条记录，细胞色素P450贡献最多（547条），证据集中在拟除虫菊酯和新烟碱类农药中。
三、主要技术方法
研究人员采用的主要技术方法包括：通过PubMed和Crossref进行文献检索与元数据收集，利用NCBI E-utilities API和标题字段搜索获取候选出版物；对出版商XML或HTML进行解析转换，对仅PDF或图像型文章使用PaddleOCR-VL-1.5进行OCR处理并转换为Markdown；基于NCBI分类学数据库和PPDB农药注册表进行物种和农药名称标准化；采用渐进式章节级别大语言模型提取链，监测提取使用五步链，机制提取使用三轮链，通过DashScope兼容模式API调用qwen3.5-27b进行文本提取，qwen3.5-plus进行图表匹配；采用确定性规则清洗步骤进行结果清洗和数据库集成；使用Vue 3前端和Django REST Framework后端实现网络数据库，采用案例级别检索增强生成设计，使用qwen3-text-embedding-v4嵌入证据卡片，FAISS进行向量索引和检索。
四、研究结果
3.1 APRS提取框架与资源概览：研究人员开发了端到端的大语言模型辅助提取框架，连接文献检索、全文标准化、章节级别阅读、渐进式知识提取、结果清洗和网络数据库部署为单一数据生产流程。最终输出围绕两条证据轨道组织：监测记录捕获物种-农药-种群关系及位置、年份和抗性表型字段；机制记录捕获物种-农药-基因关系及其支持实验方法。
3.2 数据库规模与组成：原始合并输出包含76,409个实体组合，案例级别过滤后减少至42,729个清洗案例，最终官方发布包含4094篇文献记录和40,950个结构化抗性案例。监测记录构成主要组成部分，其中27,249个标注为田间监测，9290个为实验室研究记录。16,830个案例（41.1%）包含图表注释证据。有效年份字段覆盖1936年至2025年的抗性证据。
3.3 提取准确性：在固定100篇论文金标准集上，发布数据库实现总体精确率0.94、召回率0.91、F1分数0.93。监测案例精确率0.95、召回率0.92、F1分数0.93；机制案例精确率0.93、召回率0.88、F1分数0.90。字段层面，抗性状态F1为0.97，抗性因子为0.89，LC50/LD50为0.86，突变字段F1为0.77，交叉抗性字段F1为0.58。主要残余错误包括共享监测字段的不完整传播、表格结构不匹配、多行监测记录遗漏和组学机制证据的边界模糊。
3.4 监测证据组成与定量案例研究：最终发布包含来自3858篇论文的36,567个监测案例，覆盖345个物种和304种农药，以及14,370个种群标签和6878个唯一位置标签。抗性状态字段是最广泛填充的字段（27,507个案例，75.2%），定量毒性字段覆盖相当子集（抗性因子14,548个案例，39.8%；LC50/LD50 14,464个案例，39.6%）。通过提取的抗性因子值比较了褐飞虱对吡虫啉抗性的田间报告幅度，揭示了国家和种群间的数量级差异。
3.5 功能验证的解毒相关机制：从机制案例中筛选出仅限于解毒及解毒相关家族（细胞色素P450、谷胱甘肽S-转移酶、酯酶/羧酸酯酶、UDP-糖基转移酶和ABC转运蛋白）且携带至少一个功能验证方法标签的记录，该子集包含来自389篇论文的1024条记录，覆盖77个物种、110种农药和520个唯一基因字符串。细胞色素P450贡献最多（547条），证据集中在拟除虫菊酯和新烟碱类农药的CYP6和CYP9家族以及双翅目和半翅目谱系中。
3.6 网络数据库与AI助手：研究人员实现了交互式网络数据库，将论文级别元数据与案例级别监测和机制记录相连接。界面支持文献浏览、结构化字段搜索、抗性案例过滤和证据卡片检查。AI助手采用案例级别检索增强生成设计，检索相关结构化证据卡片并生成具有可追溯论文标识符的响应。
五、讨论总结与研究结论
研究人员指出，APRS的一个决定性特征是提取受到明确关系和证据要求的约束，而非实体共现。通过渐进式确认物种-农药关系并将其与基因或种群及支持证据关联，框架有助于减少无支持关联并提高结构化记录的可靠性。高案例级别精确率和召回率表明，这种渐进式、证据分级设计而非底层语言模型本身，使文献规模提取足够可靠以供下游使用。该配方不限于抗性数据，可能可转移到其他需要大规模初级文献结构化整理的问题。
研究结论：APRS证明，智能体式、证据约束的提取可以将分散的节肢动物农药抗性文献转化为大规模、准确性基准测试且可查询的证据库。通过使监测和机制抗性证据在规模上可发现和可比较，此类资源可以加强基于证据的杀虫剂抗性管理，并支持更可持续的节肢动物害虫控制。
