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
核心概要
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）。
Fig. 1. Overview of our work. Note that the same abstract can contain multiple G-D pairs (e.g., Abstract 1) and a G-D pair can be mentioned in different abstracts (e.g., G1-D1). C/NC represents the causal/non-causal prediction from CRED-trained model, where CRED denotes Causal Relation Extraction Dataset. RRF refers to Reciprocal Rank Fusion. CWCS (comb) score of a G-D pair quantifies the evidence for G causing D by combining network-based evidence (CWCS-Net) and literature-based evidence (CWCS-TD) scores. Abs denotes Abstract. G-G denotes a gene-gene interaction.
bioRxiv · 第 2 页深度剖析
提出CWCS方法，将网络证据与文献证据整合为基因-疾病对的语料库级因果评分。 此前研究多从摘要中提取因果关系，但很少汇总语料库级证据；该工作将网络因果信号与文献证据结合，形成统一的因果评分框架。 以OMIM作为外部专家参考进行评估，在十种疾病上报告了因果类别F1分数0.600。
开发了新的Truth Discovery（CWCS-TD）算法，联合且迭代地估计多个基因-疾病对的因果评分，同时建模共同提及它们的PubMed摘要的可靠性。 该算法通过纳入出版物的文献计量特征，应对断言基因-疾病因果关系的摘要稀疏这一挑战，作者称其为Truth Discovery算法领域的进展。 文中报告了消融研究，用以支持该算法整合网络与文献两类证据的设计。
在因果分类任务上，CWCS方法优于两个大语言模型基线GPT-4o和MMed-Llama 3。 此前缺乏将通用LLM方法与专门的领域感知框架在语料库级因果推断上进行显式基准比较的研究，该工作提供了这一比较。 CWCS的因果类别F1为0.600，GPT-4o为0.505，MMed-Llama 3为0.522；该性能趋势在使用精确率-召回率曲线下面积作为评价指标时同样成立。两个LLM表现出高召回但精确率相对较低，导致较多假阳性预测。
启示与展望
该结果面向需要从网络与文献中汇总基因-疾病因果证据的研究与应用场景，例如聚焦药物发现方向；评估以OMIM为外部专家参考、覆盖十种疾病，方法设计上整合网络与文献两类证据，作者据此提出其更广泛的适用性。
读者可能关注该方法在十种疾病之外的推广表现、在摘要稀疏情形下的稳健性，以及网络证据与文献证据各自贡献的相对大小；由于当前为摘要级阅读范围，图表与完整消融细节未纳入，这些方面的具体数值仍是开放问题。