通过从出版物检索增强生成自动创建生物计算对象以提升科学可重复性

计算能力的指数级增长和可及性提升正在改变生物信息学研究的复杂性和规模， necessitating 对透明性、可重复性和监管合规性进行标准化文档。IEEE 生物计算对象（BCO）标准解决了这一需求，但由于创建符合标准文档的开销，尤其是针对遗留研究，面临采纳挑战。本文提出一种 novel 方法，通过检索增强生成（RAG）和大型语言模型（LLM）自动从科学论文中创建 BCO。我们描述了开发 BCO assistant 工具的过程，该工具利用 RAG 从源头论文和相关代码仓库中提取相关信息，解决了 LLM 幻觉和长文本理解等关键挑战。实现中包含优化后的检索过程，包括双 passes 检索和重新排序，并针对每个 BCO 领域使用精心设计的提示。我们讨论了该工具的架构、可扩展性和评估方法，包括自动和手动评估方法。BCO assistant 证明了显著降低 retroactive 文档化生物信息学研究所需时间和 effort 的潜力，同时保持标准合规性。这一方法为 AI 辅助科学文档和从出版物中提取知识开辟了新途径，从而提升科学可重复性。BCO assistant 工具和文档已公开于 https://biocompute-objects.github.io/bco-rag/。