从全文文献构建证据驱动知识库用于疾病特定生物医学推理

生物医学知识资源要么保留为非结构化文本，要么压缩为不包含研究设计、来源及定量支持的平面三元组。本文提出EvidenceNet——一个疾病特定数据集，包含来自全文生物医学文献的逐条证据集合及其对应的图形表示。EvidenceNet采用大型语言模型(LLM)辅助的管道从实验中提取依据为结构化证据记录、规范化生物医学实体、评估证据质量，并通过类型化语义关系连接相关记录。我们发布了EvidenceNet-HCC，包含7,872条证据记录及其对应的图（10,328个节点、49,756条边）；以及EvidenceNet-CRC，包含6,622条记录及其对应的图（8,795个节点、39,361条边）。技术验证显示高组件忠诚度，包括98.3%的字段级提取准确率、100.0%的高置信度实体链接准确率、87.5%的融合完整性和90.0%的语义关系类型准确率。下游分析表明，该数据支持检索增强问答和基于图的任务，如未来链接预测和靶点优先级排序。这些结果将EvidenceNet确立为疾病特定生物医学知识库数据集，适用于证据感知分析与复用。