NBT｜BioChatter：为生物医学量身定制的开源大语言模型应用平台 --实验盒

引言

近年来，生成式人工智能尤其是大语言模型（LLM）取得了显著进展，但在生物医学研究中的应用仍处于起步阶段。目前，生物医学研究工作者使用LLM主要有两种途径：一是大型企业提供的商业平台，二是具备编程知识的研究工作者开发的自研系统。

然而，这两种方式都存在局限性。商业平台缺乏透明度，无法满足可重复研究的标准，且存在隐私和商业压力问题。例如，用户数据可能被复用，且算法细节不透明。研究工作者自研开发的系统虽然可能大多比较透明，但对大多数生物医学研究者来说难以企及，因为它们往往需要额外的专业技能，如编程、数据管理、机器学习知识等，这使得研究结果难以稳健和可重复。

因此，LLM在生物医学的应用仍停留在零散案例，远落后于医学影像领域成熟的AI框架。为填补这一空白，德国海德堡大学的Sebastian Lobentanzer和Julio Saez-Rodriguez团队以及众多研究者在Nature Biotechnology上合作发表了一篇论文，提出了BioChatter开源框架。

BioChatter是一个开源的Python框架，旨在遵循开放科学原则，开发定制的生物医学研究软件。BioChatter的模块化架构使其能够广泛应用于各种生物医学研究场景，其灵活的组合方式支持从快速原型设计到完全封装部署的广泛应用。

BioChatter的核心架构与功能

模块化架构

BioChatter提供多种API（如Python、REST）和两个图形用户界面（基于Python的“Light”用于快速原型设计和更全面的JavaScript应用程序“Next”），以满足不同用户的需求。

它还促进了在简单性/经济性与安全性之间的定制部署，用户可以根据自己的需求在公共数据库、自托管云数据库和本地数据库之间进行选择，平衡安全性与成本。

开放生态集成

BioChatter整合了开源LLM部署工具和专有LLM提供商的不同API，允许用户在不改变代码的情况下切换不同的模型和提供商。基于统一的API层，可以无缝对接开源LLM工具（如Ollama）、商业模型（如OpenAI）、知识图谱（BioCypher）及公共数据库（OncoKB、BLAST）等。

此外，它还与现有的开源基础设施（如BioCypher和其他数据库）集成，通过注入领域知识来执行检索增强生成（RAG）。BioChatter还通过LLM参数化API查询的能力，促进了实时服务（包括基于Web的API）的集成。

系统提示与多智能体系统

BioChatter的可定制平台允许用户通过系统提示将其与自己的上下文对齐，并使用基于智能体的系统进行高级工作流程。例如，通过简单的配置文件，用户可以实现多智能体系统，执行从简单的事实检查到基于结果迭代改进知识图查询等复杂任务。

生物医学研究中的应用

基准测试与持续监测

为解决LLM工作流程中的可重复性挑战，BioChatter开发了一个持续基准测试系统，允许社区监控所有包含模型在特定任务上的性能。每当添加新功能（如知识图查询生成）时，就会引入一系列测试来验证其基于社区驱动用例的功能。基准测试框架在所有模型和相关参数上运行这些测试，并通过BioChatter网站向社区报告结果。

知识图谱与LLM的协同

在知识图连接性方面，BioChatter与BioCypher知识图谱的原生交互使所有LLM的性能大幅提升。通过BioCypher模式配置中对知识图谱组件的详细描述，可以有效指导LLM使用知识图谱。未来，BioChatter计划将这种方法扩展到从文本和图像中提取信息，并开始开发新的框架BioGather来支持这一努力。

开放科学与社区参与

BioChatter不是为了与现有基础设施或消费产品竞争，而是利用开源基础设施，高效地满足生物医学研究的具体需求。它通过开放和透明的承诺，与专有消费者导向产品区分开来。BioChatter的最终目标是协调整个科学知识管理生态系统的API，包括从文本和图像中提取信息、知识表示，到将知识应用于决策、数据分析、假设生成和科学交流。

为了促进早期合作，BioChatter遵循完全开源的开发模式，并通过BioChatter联盟（Supplementary Note: The BioChatter Consortium）启动了项目，以应对研究软件支持、知识管理、出版和大规模药物发现等挑战。未来，生成式AI模型将通过对比训练，从文本、图像和分子测量（如基因组学和转录组学）等多种相关模态中合成信息，以增强其在推理中的能力。

结语

BioChatter为生物医学研究提供了一个灵活、模块化的平台，旨在减轻开发和维护负担，同时增强应用的稳健性。它不仅关注技术的前沿发展，更强调社区的参与和合作，以推动生物医学研究的进步。我们鼓励社区成员通过请求功能、贡献代码和分享研究及应用来参与这一进程，共同探索生成式AI在生物医学领域的无限可能。