Formation Bio把药物尽职调查搬进ARK：Phyla让每条结论带出处，空结果也记录在案
核心概要
Formation Bio 在其内部 AI 系统 ARK 中上线了药物尽职调查工具 Phyla，把分散在 27 个生物医学数据源中的证据统一查询、统一标识符，并为每条事实附上可核查的引用。此前这类汇总需要团队手工逐库查询、去重并判断可信度，而文献对阴性结果系统性沉默。在七个靶点—疾病对的研究报告对比中，Phyla 的陈述引用率为 99.7%，高于 Claude Science 与 GPT-Rosalind 的 86.5%–87.1%。
深度剖析
药物尽职调查的证据检索现在由 Formation Bio 的内部 AI 系统 ARK 自动调用 Phyla 完成，用户用自然语言提问即可得到带引用的答案。 过去要把靶点有效性、机制生物学、模态适配和临床格局拼在一起，需要整组人手工查询来源、跨库统一基因名，并逐条判断数据集在何种条件下产生、该信多少。 在七个靶点—疾病对的研究报告生成对比中，Phyla 的陈述引用率为 99.7%，Claude Science 与 GPT-Rosalind 分别为 86.5%–87.1%，且 Phyla 在任一案例中都不低于 99.3%。
Phyla 把不同 API、格式和查询语言收敛成一套统一语法，基因标识符只翻译一次便可复用，所有工具按同一模式返回结果并附带来源。 它没有按数据源类型组织，而是按资产尽职调查的领域组织，例如靶点有效性、作用机制和模态适配，使审阅者能用自己思考问题的语言审计分析。 Phyla 以单一工具形式发布，用不到 2000 个 token 让 27 个数据源上的 90 个底层工具可被调用，而不是为每个数据源各挂一个 MCP 服务器、在提问前先加载约 90 个工具模式。
每条事实性陈述都要求编号引用，每个参考文献标注来源类别，并给出从“直接”到“缺失”的证据等级，“缺失”明确表示已查证但未找到。 文献系统性偏向阳性发现，诸如“该基因没有 GWAS 命中”这类阴性结果往往不被记录，因此仅靠文献训练的模型容易漏掉它们。 在引用审计中，Phyla 有 92% 的可验证陈述被所引来源完全支持，Claude Science 为 80%，GPT-Rosalind 为 67%，后者的缺口主要来自来源只支持陈述的一部分。
启示与展望
已展示的范围是 Formation Bio 内部通过 ARK 调用的 Phyla，覆盖 27 个数据源和 90 个底层工具，服务于靶点有效性、作用机制、模态适配等资产尽职调查问题；对比实验限于基因面板事实查询和七个靶点—疾病对的研究报告生成。
引用率与引用支持率的对比基于七个靶点—疾病对，Phyla 在任一案例中的引用率不低于 99.3%；约 50% 的覆盖不出现在所对比的前沿 AI 平台公开清单中，这一比例描述的是覆盖差异而非准确性。系统在来源冲突时不投票、不取平均、不选胜者，而是分别返回并交由人工权衡；缓存窗口按来源可变，某个数据库不可用时仍返回其余结果并标记失败项。