让AI去读没发表的数据：三层流程在CPEB蛋白里挖出四个盲区，生成一条可检验的睡眠遗忘假说
核心概要
面向科学发现的AI通常只从已发表的阳性结果中学习，因而系统性地看不见失败与被压制的方向。一套三层操作流程把这一缺口拆成可执行的步骤：先在建好的知识图谱上为理论上可能却无文献记录的关系计算缺失惊讶分，再让对抗分类器从未发表、被拒或未达终点的数据中找出被系统性压制的特征，最后用反归纳损失生成偏离共识但通过可行性过滤的假说。在CPEB3/CPEB4神经生物学案例中，流程标出四个结构盲区，并给出一条关于星形胶质细胞睡眠期翻译与主动遗忘的可检验假说。
深度剖析
科学发现类AI的输入被限定在已发表文献上，学到的只是成功与共识，对失败、被压制或从未尝试的方向没有表示。 此前的反归纳架构只给出为何需要这类系统的理论论证，没有规定输入、算法、参数与验证标准，因而无法直接实现。 该流程把三层各自的操作步骤、超参数默认值与验证判据逐项写明，使三层可以作为一条流水线依次衔接。
流程先建知识图谱，再为理论上可能但文献中不存在的关系打分，把高分关系标为结构盲区。 常规做法只统计已记录的关系模式，缺失本身不进入检索目标。 在CPEB3/CPEB4案例中，图谱含247个实体与1832条边，阈值取0.7时标出CPEB3–星形胶质细胞、CPEB4–小胶质细胞、CPEB3–主动遗忘、CPEB3–睡眠四个盲区，缺失惊讶分分别为0.89、0.84、0.91、0.87。
第二层把未发表预印本、被拒稿件、未达终点的试验登记等暗数据与已发表文献放在一起，训练分类器区分两者，再读出最能区分二者的特征。 这些材料通常不进入文献综述与模型训练，其信息在常规流程中被丢弃。 对抗分类器在留出测试集上AUC-ROC为0.83，高于0.80的门槛；被标为系统性压制的特征包括胶质细胞类型（压制分3.42）、睡眠状态（2.87）、遗忘过程（2.65）、非神经元mRNA翻译（2.31）与翻译的昼夜节律调控（2.18）。
第三层让生成模型把盲区与被压制特征连成可检验陈述，再用偏离共识的程度减去可行性惩罚来排序。 常规生成只追求与文献一致，共识概率高的假说才被视为合理。 模型产出47条假说，经可行性过滤保留12条；排名第一的假说共识概率为0.012，反归纳损失为0.73，四项可行性惩罚均为零，并提出在睡眠期对星形胶质细胞做CPEB3/4敲低、再用恐惧条件化范式测记忆保持的检验方案。
启示与展望
该流程适用于能构建知识图谱、且存在或可数字化的阴性结果、失败实验与未发表数据的领域，案例集中在CPEB3/CPEB4蛋白系统。读者对象是具备知识图谱、自然语言处理与生成建模经验的计算生物学、神经信息学与AI工程研究者。作者提出后续方向包括自动化暗数据的获取与规范化、发展可跨领域泛化的可行性函数，以及把流程用于数学等其他领域。
作者指出三点限制：暗数据的获取可能受法律、伦理或机构约束；可行性过滤目前是二值规则且依赖专家设定，尚待发展为更细的连续函数；流程只在CPEB领域探索过，向其他领域的泛化性仍待检验。