statLens 实现准确且可解释的统计智能

由 root 提交于 周三, 11/18/2026 - 16:47
摘要

大规模生物医学组学数据集的现有分析方法多样,且相关统计分析工作流程复杂,这些因素给大型语言模型(LLM)直接应用于数据分析任务带来了挑战。我们提出 statLens,这是一种模型无关的 AI 驱动型统计智能框架,整合了 LLM、代码与人工审查。我们以异质性生物医学数据的差异表达分析为例,展示了 statLens 的应用。在涵盖六种组学类型、来自 74 个数据集的 102 项基准任务中,statLens 在七种语言模型上均保持了较高且稳定的准确率(92.5%–95.0%),优于仅依赖 LLM 的推理(17.5%–46.8%);而自主智能体的准确率则波动较大(58.7%–99.5%)。我们还发现,statLens 显著提升了四种小型语言模型的准确率(92.5%–94.4%),高于自主智能体(58.7%–92.2%)和仅依赖 LLM 的推理(17.5%–43.5%)。通过将分析工作流程分解为由代码、LLM 和人类专家分别承担的互补任务,statLens 构建了一个一体化框架,可实现更准确、可解释且可复现的 AI 辅助数据分析,尤其适用于复杂的组学研究场景。

gholamali.rahnavard{at}gmail.com

摘要

信息/历史

指标

补充材料

数据/代码

预览 PDF

摘要

现有的大规模生物医学组学数据集分析方法多种多样,相应统计分析流程也十分复杂,这些因素给将大型语言模型(LLM)直接应用于数据分析任务带来了挑战。我们提出 statLens,这是一种与模型无关、由人工智能驱动的统计智能框架,整合了 LLM、代码和人工审核。我们以不同生物医学数据中的差异表达分析为例,展示 statLens 的应用。在涵盖六种组学模态、来自 74 个数据集的 102 项基准任务中,statLens 在七种语言模型上始终保持较高准确率(92.5--95.0\%),优于仅依赖 LLM 的推断(17.5--46.8\%);而自主智能体的准确率则波动较大(58.7--99.5\%)。我们还发现,statLens 显著提升了四种小型语言模型的准确率(92.5--94.4\%),使其超过自主智能体(58.7--92.2\%)和仅依赖 LLM 的推断(17.5--43.5\%)。通过将分析流程拆解为由代码、LLM 和人类专家分别承担的互补任务,statLens 提供了一个集成框架,可实现更准确、可解释且可复现的 AI 辅助数据分析,尤其适用于复杂的组学场景。

利益冲突声明

A.R. 是一项与本文工作相关、正在申请中的专利的发明人,也是 seqSight 的创始人。seqSight 是一家开发用于组学数据分析的基因组语言模型和紧凑型大型语言模型的公司。A.P. 是 seqSight 的员工。其余作者声明不存在利益冲突。

脚注

https://statlens.ai/

已声明资助信息

NVIDIA

学术资助

Inception 计划

版权

本预印本的版权持有人是

该作者/资助方已授予 bioRxiv 永久展示此预印本的许可。

本内容依据 CC-BY-NC-ND 4.0 国际许可协议提供。

返回顶部

上一篇

下一篇

发布于 2026 年 11 月 17 日。

下载 PDF

补充材料

数据/代码

电子邮件

感谢您有意帮助传播 bioRxiv 上的内容。

注意:我们要求提供您的电子邮件地址,仅用于确认您是本文的发送者。

您的电子邮件地址

*

您的姓名

*

收件人

*

请输入多个地址,每行一个,或用逗号分隔。

您即将发送以下内容

statLens:实现准确且可解释的统计智能

邮件主题

(您的姓名)向您转发了 bioRxiv 上的一个页面

邮件正文

(您的姓名)认为您可能想查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于确认您是否为真人访客,并防止自动垃圾信息提交。

分享

statLens

实现准确且可解释的统计智能

Dezhao Fu、Ajinkya Patil、Udbhav Kush、Ali Reza Taheriyoun、Ali Rahnavard

bioRxiv

2026.11.16.767003;

doi:https://doi.org/10.64898/2026.11.16.767003

分享本文:

复制

引文工具

statLens

实现准确且可解释的统计智能

Dezhao Fu、Ajinkya Patil、Udbhav Kush、Ali Reza Taheriyoun、Ali Rahnavard

bioRxiv

2026.11.16.767003;

doi:https://doi.org/10.64898/2026.11.16.767003

引文管理器格式

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+ 点赞

主题领域

生物信息学

主题领域

所有文章

动物行为与认知(8164)

生物化学(19027)

生物工程(15171)

生物信息学(46071)

生物物理学(22958)

癌症生物学

(20341)

细胞生物学

(27627)

临床试验

(138)

发育生物学

(14286)

生态学

(21622)

流行病学

(2067)

进化生物学

(26038)

遗传学

(16481)

基因组学

(24087)

免疫学

(19265)

微生物学

(43690)

分子生物学

(18573)

神经科学

(96252)

古生物学

(718)

病理学

(3078)

药理学与毒理学

(5281)

生理学

(8380)

植物生物学

(16455)

科学传播与教育

(2126)

合成生物学

(4697)

系统生物学

(10488)

动物学

(2443)

关键词:组学数据分析 · 大语言模型 · 差异表达分析 · 统计智能 · 人机协同 · 可复现分析

原文链接:https://www.biorxiv.org/content/10.64898/2026.11.16.767003v1?rss=1