基于大语言模型智能体的深度表型标准化与质量评估组合框架

《Advanced Science》：Towards a Compositional Framework for Describing Human Phenotypes

　　**摘要**深度表型分析日益跨越从宏观到微观的多个尺度，然而测量与文档记录中的异质性仍然制约着标准化进程，并限制了不同队列之间的可比性。本研究提出了一种组合框架，集成了表型组装方法（PhenoAM）、表型组数据元素（PhenoDE）以及一套基于大型语言模型（LLM）的PhenoAgents，以支持系统化、可解释且可扩展的表型标准化及质量评估。PhenoAM将表型描述分解为特征与限定词，以实现组件级映射；PhenoDE则为国际人类表型组项目（IHPP）22个测量平台上的58,371个表型数据元素提供了标准化表示。在18个平台分析集中，合并映射覆盖率为98.1%；在全部22个平台上，覆盖率高达99.8%。利用该表示方法，对来自IHPP、美国国家健康与营养检查调查（NHANES）及英国生物样本库的示例表型进行分析表明，特征或限定词上的差异可能影响数据分布与分析结果，从而凸显了在跨队列研究中明确测量背景的重要性。PhenoAgents通过人工审核辅助模块支持语义解析、术语候选检索及数据质量审查。IHPP中的PhenoDE及其统计分布可通过PhenoDE门户获取。**利益冲突**作者声明无利益冲突。**数据可用性声明**特征和限定词的控制词汇表提供在GitHub存储库（https://github.com/BioMedBigDataCenter/PhenoAgents）中，IHPP第一阶段的PhenoDE可通过PhenoDE门户（https://www.biosino.org/PhenoDE）获取。更多信息及资源请求请联系主要联系人张国庆博士（[e-mail]）。资源请求将由人类表型组项目技术咨询组负责处理。本研究使用了大规模人群队列数据。NHANES数据可在https://wwwn.cdc.gov/nchs/nhanes/default.aspx获取，英国生物样本库数据可在http://www.ukbiobank.ac.uk/申请获取。NHANES研究获得了NHANES机构审查委员会和国家卫生统计研究中心伦理审查委员会的批准。英国生物样本库研究获得了英国国家医疗服务体系西北多中心研究伦理委员会批准（伦理审查参考号：21/NW/0157）。本研究在英国生物样本库的申请编号为77803。