- 6 次围观
大型语言模型（LLM）日益广泛地用于辅助计算生物学中的代码生成和数据分析，但其作为分析审查工具的能力——即发现已完成分析中的统计学和方法学错误——目前鲜有记录。本文介绍两个案例研究：在这两个案例中，LLM 辅助审查均发现了计算生物学分析中具有重大影响、但研究人员此前未能察觉的错误。在单细胞转录组学案例中，对人类纹状体 22,048 个细胞的差异表达分析进行审查后，发现了性别构成混杂因素（卡方值 = 192.7，p = 8.1 × 10⁻⁴⁴），该因素导致了虚假的 Y 染色体基因命中；校正后，KIF3A 被确认为唯一真实发现（校正后 p = 1.37 × 10⁻¹⁴）。在基于心率变异性（HRV）的压力分类案例中，审查发现训练集与测试集的划分存在受试者泄漏，即同一受试者同时出现在训练集和测试集中；通过留一受试者交叉验证进行校正后，得到的 AUC 估计值更可靠且更高（0.946，而非 0.848）。若缺乏系统性核查，这两类错误都可能逃过常规同行评审。两项校正后的分析均已提交同行评审。这些案例表明，LLM 辅助分析审查——即利用 LLM 检查已完成的分析中是否存在混杂因素、数据泄漏和统计伪象——是一项切实可行的质量保障措施，可与人类科学判断相辅相成，而非取而代之。
LLM辅助的分析审查能够发现人类研究人员遗漏的统计错误：来自两个计算生物学案例研究的记录性证据 | bioRxiv
跳转至主要内容
主页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
LLM辅助的分析审查能够发现人类研究人员遗漏的统计错误：来自两个计算生物学案例研究的记录性证据
查看 ORCID 个人资料
Om
Chhaya
，
Viswanath
Ananth
doi：
https://doi.org/10.64898/2026.10.15.759333
Om Chhaya¹
托莱多大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
查看 Om Chhaya 的 ORCID 记录
通讯作者：
om.chhaya{at}rockets.utoledo.edu
Viswanath Ananth²
美国电力研究院有限公司
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
摘要
信息/历史
指标
预览 PDF
摘要
大型语言模型（LLM）正日益被用于辅助计算生物学中的代码生成和数据分析，但其作为分析审查工具——即在已完成的分析中检测统计学和方法学错误——的能力，尚缺乏充分记录。我们报告了两个案例研究，在这两个案例中，LLM辅助审查均发现了计算生物学分析中具有重要影响的错误，而这些错误此前未被人类研究人员察觉。在单细胞转录组学研究中，对来自人类纹状体的22,048个细胞进行差异表达分析的审查发现了一个性别构成混杂因素（卡方值 = 192.7，p = 8.1 × 10⁻⁴⁴），该因素导致了虚假的Y染色体基因命中结果；校正后，KIF3A成为唯一真实的发现（校正后 p = 1.37 × 10⁻¹⁴）。在基于心率变异性（HRV）的压力分类研究中，审查发现训练集—测试集划分中存在受试者泄漏，使得……
训练集和测试集包含相同的个体；通过采用留一被试交叉验证进行校正，获得了更可靠且更高的 AUC 估计值（0.946，而非 0.848）。如果没有系统性检查，这两类错误都可能在常规同行评审中被遗漏。两项校正后的分析均已提交同行评审。这些案例表明，LLM 辅助分析审查——利用 LLM 对已完成的分析进行质询，以发现混杂因素、数据泄漏和统计伪象——是一项切实可行的质量保证措施，可作为人类科学判断的补充，而非替代。
利益冲突声明
作者声明不存在利益冲突。
版权
本预印本的版权所有者为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。
本文依据
CC-BY 4.0 国际许可协议
公开。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 21 日。
下载 PDF
电子邮件
感谢您有意传播 bioRxiv 的相关内容。
注意：系统要求提供您的电子邮件地址，仅用于确认您是该文章的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址，每行一个，或使用逗号分隔。
您将要发送以下内容：
LLM 辅助分析审查能够发现人类研究人员遗漏的统计错误：来自两个计算生物学案例研究的记录性证据
邮件主题（您的姓名）已从 bioRxiv 网站向您转发一个页面
邮件正文（您的姓名）认为您可能会对 bioRxiv 网站上的这一页面感兴趣。
您的个人留言
验证码
此问题用于确认您是人类访客，并防止自动垃圾邮件提交。
分享
LLM 辅助分析审查能够发现人类研究人员遗漏的统计错误：记录性
两项计算生物学案例研究的证据
Om Chhaya、Viswanath Ananth
bioRxiv
2026.10.15.759333；
doi：https://doi.org/10.64898/2026.10.15.759333
分享本文：
复制
引用工具
大型语言模型辅助的分析性审查能够发现人类研究者遗漏的统计错误：来自两项计算生物学案例研究的记录证据
Om Chhaya、Viswanath Ananth
bioRxiv
2026.10.15.759333；
doi：https://doi.org/10.64898/2026.10.15.759333
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（tagged）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
学科领域
所有文章
动物行为与认知
（8164）
动物行为与认知
（8165）
动物行为与认知
（8165）
动物行为与认知
（8165）
动物行为与认知
（8165）
动物行为与认知
动物行为与认知
（8165）
动物行为与认知
动物行为与认知
（8165）
动物行为与认知
动物行为与认知
（8165）
动物行为与认知
动物行为与认知
（8165）
动物行为与认知
（8165）
生物化学
（19027）
生物化学
（19029）
生物化学
生物化学
（19029）
生物化学
生物化学
生物化学
生物化学
生物化学
（19029）
生物化学
生物化学
（19029）
生物化学
生物化学
（19029）
生物化学
（19029）
生物化学
（19029）
生物化学
生物化学
（19029）
生物化学
（19029）
生物化学
生物化学
（19030）
生物化学
（19030）
生物化学
（19030）
生物化学
（19030）
生物化学
（19030）
生物工程
（15171）
生物工程
（15172）
生物工程
生物工程
（15176）
生物工程
（15176）
生物工程
（15172）
生物工程
（15176）
生物信息学
（45258）
生物信息学
(45254)
生物信息学
生物信息学
(45257)
生物物理学
(22958)
生物物理学
(22961)
生物物理学
生物物理学
(22958)
生物物理学
(22958)
生物物理学
生物物理学
(22958)
生物物理学
(22958)
生物物理学
(22961)
癌症生物学
(20081)
癌症生物学
(20080)
细胞生物学
(27277)
临床试验
(138)
临床试验
(138)
临床试验
(138)
发育生物学
(14134)
生态学
(21378)
流行病学
(2067)
进化生物学
(25764)
遗传学
(16328)
基因组学
(23805)
免疫学
(19003)
微生物学
(43137)
分子生物学
(18316)
神经科学
(94944)
古生物学
(711)
病理学
(3028)
药理学与毒理学
(5187)
生理学
(8264)
植物生物学
(16252)
科学传播与教育
(2115)
合成生物学
(4639)
系统生物学
(10372)
动物学
(2423)
关键词：大型语言模型 · 分析审查 · 统计错误检测 · 单细胞转录组学 · 数据泄漏 · 计算生物学
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.15.759333v1?rss=1