bioRxiv 2026年9月16日该工作提出一种通过整合基因调控网络中的网络因果信号（CWCS-Net）与基于新开发的Truth Discovery算法从PubMed摘要中提取的文献证据（CWCS-TD）来推断基因-疾病对语料库级因果评分（CWCS）的方法，并以OMIM为外部专家参考，在十种疾病上取得因果类别F1分数0.600，优于GPT-4o（0.505）和MMed-Llama 3（0.522）。该工作提出一种通过整合基因调控网络中的网络因果信号（CWCS-Net）与基于新开发的Truth Discovery算法从PubMed摘要中提取的文献证据（CWCS-TD）来推断基因-疾病对语料库级因果评分（CWCS）的方法，并以OMIM为外部专家参考，在十种疾病上取得因果类别F1分数0.600，优于GPT-4o（0.505）和MMed-Llama 3（0.522）。语料库级因果关系：聚合基因-疾病因果证据的算法设计与应用该工作提出一种通过整合基因调控网络中的网络因果信号（CWCS-Net）与基于新开发的Truth Discovery算法从PubMed摘要中提取的文献证据（CWCS-TD）来推断基因-疾病对语料库级因果评分（CWCS）的方法，并以OMIM为外部专家参考，在十种疾病上取得因果类别F1分数0.600，优于GPT-4o（0.505）和MMed-Llama 3（0.522）。该工作提出一种通过整合基因调控网络中的网络因果信号（CWCS-Net）与基于新开发的Truth Discovery算法从PubMed摘要中提取的文献证据（CWCS-TD）来推断基因-疾病对语料库级因果评分（CWCS）的方法，并以OMIM为外部专家参考，在十种疾病上取得因果类别F1分数0.600，优于GPT-4o（0.505）和MMed-Llama 3（0.522）。