检索以解释：面向可解释药物靶点识别的证据驱动预测

语言模型通过综合海量研究语料库，在推动科学发现方面展现出巨大潜力。许多复杂的科学研究问题具有多个 plausible 答案，每个答案均有不同强度的证据支持。然而，现有语言模型缺乏基于支持证据定量且忠实地比较答案 plausibility 的能力。为解决这一问题，我们提出了 Retrieve to Explain (R2E)，一种基于检索的模型，能够根据从文档语料库中检索到的证据，对研究问题的所有可能答案进行评分和排序。该架构仅根据支持证据来表示每个答案，同时将答案本身进行掩码处理。这使我们能够将 Shapley 值等特征归因方法扩展至推理阶段，将答案分数透明地归因于支持证据。该架构还允许在不重新训练的情况下纳入新证据，包括以自然语言模板化的非文本数据模态。我们将 R2E 应用于药物靶点识别这一极具挑战性的科学发现任务，该任务是一个人在回路（human-in-the-loop）过程，失败代价极高且可解释性至关重要。在预测药物靶点是否随后将在临床试验中被确证为有效时，R2E 不仅匹配了不可解释的基于文献的模型，还超越了整个制药行业广泛使用的基于遗传学的靶点识别方法。