利用大型语言模型从科学文献中发现研究队列

研究人员开发了一个基于大型语言模型的框架，用于从科学文献中发现研究队列。该框架先从可配置的词汇和模板生成PubMed查询，通过API自动检索文献，再由LLM筛选并提取队列名称，人工复核去重。以青少年攻击行为遗传学为例，从5254条唯一记录中鉴定出188个候选队列，经人工筛选保留44个，其中17个未被已有目录收录。

该框架将队列发现从依赖人工文献检索和既有目录，转变为由问题驱动的自动化流程。在案例中，它找到了17个被主流目录遗漏的队列，显示出补充现有方法、扩大研究覆盖面的潜力，有助于提升跨研究分析的效率与完整性。

框架通过生成大量查询词组合检索PubMed，利用LLM的语义理解能力筛查标题和摘要，并根据定制提示提取明确的队列名称；再通过人工审核去重和筛选，将自动化与人类验证结合，以平衡效率和准确性。

对科研数据产品或生物信息学工具而言，该框架可集成到文献检索或队列管理功能中，减少人工整理文献的时间，提升队列发现的覆盖面。但需注意当前流程仍包含人工复核步骤，完全自动化尚不成熟。

• 在科研信息平台中集成该框架，提供问题驱动的文献队列发现功能。
• 开发基于LLM的队列名称提取API，供研究团队无缝接入现有工作流。
• 构建包含已发现队列的开放数据库，供科研人员检索和复用。
• 将框架封装为可配置的模板工具，支持不同研究领域的定制化使用。

• 该框架在不同研究领域或语言环境下的泛化能力如何？
• LLM提取队列名称的准确性在不同规模文献集上是否稳定？
• 人工复核步骤能否被进一步自动化或精简？
• 该框架是否已在实际研究项目中得到广泛应用或验证？