《Congenital Anomalies》：Development and Dissemination of the Japanese Translation of the Mammalian Phenotype Ontology as an Open Resource
编辑推荐：
：
哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)是由小鼠基因组信息学(Mouse Genome Informatics, MGI)开发的一个全面的受控词汇表，涵盖了与先天异常、发育障碍和其他哺乳动物表型相关的表型术语。
：
哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)是由小鼠基因组信息学(Mouse Genome Informatics, MGI)开发的一个全面的受控词汇表，涵盖了与先天异常、发育障碍和其他哺乳动物表型相关的表型术语。尽管该本体最初是用英语创建的，但为了通过提高全球研究人员的可及性来扩大其影响力，多语言化至关重要。为了解决这一需求，研究人员开发了哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)的日文翻译，以支持日本非英语研究社区。该本体论的日文翻译是通过一个系统的人类参与循环(human-in-the-loop)工作流程产生的，该流程包括机器翻译、系统人工审查和专家策展。人工策展是该过程的关键组成部分，因为仅靠自动翻译不足以准确呈现特定领域的表型术语。哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)的日文翻译已集成到多个数据资源和搜索平台中，包括实验动物资源数据库和疾病导向数据集成服务。这种集成使用户能够使用日语术语搜索和解释注释的小鼠表型，并显著提高了非英语日本研究人员、学生和实验动物护理员对基于哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)服务的可及性和可用性。此外，通过与小鼠基因组信息学(Mouse Genome Informatics, MGI)的合作，哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)的日文翻译被公开发布并正式纳入官方哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)分发版，允许与正在进行的开发同步定期更新。本研究强调了本地化本体词汇以促进全球可及性的重要性，并为系统本体翻译提供了一个实用框架。
论文解读：
研究背景与问题提出
生物医学研究中，表型数据的标准化描述对于跨物种比较、疾病模型构建及数据共享至关重要。哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)作为该领域的核心标准，由美国杰克逊实验室开发，提供了涵盖哺乳动物（尤其是小鼠）先天异常、发育障碍等表型的标准化术语体系。然而，其原始版本仅以英语发布，这构成了语言壁垒，限制了非英语国家研究人员、学生乃至实验动物护理人员对该资源的获取与有效利用。尽管机器翻译技术近年来取得进展，但在处理高度专业化、复合性强且语境依赖的生物医学术语时，其准确性仍无法满足科研级应用的需求。因此，将MP进行高质量的多语言本地化，特别是针对日语等非英语科研社区的翻译，成为提升全球科研协作效率与数据可及性的迫切需求。
研究内容与核心结论
针对上述挑战，研究人员主导了一项系统性工程，旨在开发并传播哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)的日文翻译版本。该研究的核心在于构建了一套融合自动化技术与人类专业知识的“人类参与循环(human-in-the-loop)”翻译框架。研究人员并未止步于单纯的术语转换，而是建立了一个包含五个标准化步骤的持续更新流程：从每月获取更新的MP源文件开始，首先利用定制化的领域专用大语言模型(CustomGPT)生成初步翻译候选；随后，经过训练有素的策展人进行系统的人工审查，确保术语在生命科学语境下的准确性和一致性；接着，由临床医学、遗传学及实验动物学等领域的专家进行深度评审，以区分细微的临床或生物学差异；最终，验证后的翻译成果被公开发布，并通过与MGI的紧密合作，正式纳入MP国际版的官方分发体系，实现了与源本体发展的月度同步更新。
此项研究的重要结论是，成功的本体本地化不能依赖单一的自动化方案。研究人员发现，在特定时期内新增或修改的术语中，高达80%需要经过人工修正。专家策展在解决机器翻译无法处理的歧义问题上发挥了决定性作用，例如区分“paresis”（轻瘫）与“paralysis”（麻痹）的严重程度差异，或将适用于人类的“男性/女性”调整为实验动物语境下的“雄/雌”。该日文翻译资源已被成功整合至日本国内的关键科研基础设施中，如RIKEN生物资源研究中心(BRC)的搜索系统和聚焦罕见病数据整合的NanbyoData平台，显著提升了本土用户利用表型数据进行实验动物模型筛选和疾病研究的效率。
关键技术方法
研究人员采用的主要技术方法构建于一个迭代式的“人类参与循环(human-in-the-loop)”框架之上。其核心流程始于数据源的获取，即每月从MGI官方获取最新发布的MP术语集。初始翻译阶段，摒弃了通用机器翻译工具，转而采用基于提示词的定制化大语言模型(CustomGPT)，该模型在推理时参考了由日本畸形学会术语委员会编纂的领域专用词汇表，从而生成更贴合专业语境的候选译文。为确保质量，后续引入了多层级的人工干预机制：首先由专业策展人对照术语定义进行系统性人工审查，重点解决机器翻译输出不一致时的术语选择及语言模式标准化问题；继而由跨学科领域专家团队进行定性评审，专门处理临床意义辨析与物种特异性表达转换；最后，通过版本控制仓库实现翻译成果的持续发布与维护，确保与官方MP版本的严格同步。
研究结果
3.1 日文MP翻译资源概述
研究人员完成了对约14,000个MP术语的全面日文翻译，并建立了月度更新机制。数据显示，近期新增的138个术语中，仅有17%可直接接受机器翻译结果，而高达83%的术语需经人工策展或专家修订，其中41%涉及日语助词位置的调整以符合术语学规范。这表明自动化翻译在本体本地化中仍需大量人工介入以保证语义精确。
3.2 通过与MGI合作实现国际整合
日文翻译成果已正式成为MP国际版的组成部分，随官方版本同步发布。此整合使得该资源能被国际生命信息系统直接调用，例如欧洲生物信息学研究所(EMBL-EBI)的本体查找服务(Ontology Lookup Service, OLS)现已支持用户使用日语查询和浏览MP术语，确立了该本地化资源在国际标准框架内的正式地位。
3.3 在实验动物资源搜索(RIKEN BRC)中的应用
将日文MP术语集成至RIKEN BRC的数据库搜索系统后，用户可同时使用日语或英语表型术语检索小鼠品系。系统能根据日语关键词输入提供匹配表型建议，并链接至对应的实验动物资源，极大便利了对英语术语不熟悉的用户精准定位符合其研究需求的动物模型。
3.4 在疾病导向数据整合(NanbyoData)中的应用
在NanbyoData罕见病数据平台上，日文MP翻译实现了疾病临床特征与小鼠模型表型的跨物种、双语种关联展示。用户可在同一界面下，对比以人类表型本体(Human Phenotype Ontology, HPO)描述的疾病临床特征与以MP注释的小鼠模型表型，所有术语均提供日文标签，从而直观地理解表型异同，促进了基于表型的数据探索在疾病研究中的应用。
讨论与结论总结
讨论部分指出，本体本地化远非简单的技术翻译，而是涉及语义辨析、语境适配与语言规范的系统工程。研究人员面临并解决了四大核心挑战：一是消除机器翻译导致的近义术语混淆；二是协调人类临床医学术语与实验动物学术语的差异；三是更新过时或汉字用法不一致的日文表达；四是处理日语助词位置对语义焦点的影响。这些挑战凸显了专家策展不可替代的价值。此外，研究也承认人工策展的高时间成本是当前工作流的瓶颈，未来需探索能更有效融合领域知识的先进人工智能系统以提升效率。可持续性方面，与国际组织（如MGI）的协作治理是确保本地化资源长期同步更新的关键。
研究结论重申，本研究提出的“人类参与循环(human-in-the-loop)”框架结合定制机器翻译、领域专用词汇库及国际合作，为生物医学本体的可持续本地化提供了可靠范式。哺乳动物表型本体论(Mammalian Phenotype Ontology, MP)的日文翻译不仅消除了语言障碍，更通过提升数据互操作性、促进国际 annotation 共享及增强非英语社区的参与度，产生了超越语言可及性的广泛效益，为多语言本体开发树立了典范。
