// AI 新闻 · 2026-11-14 · Nature
HGS-BioAbductor框架实现可解释生存模型与生物假设生成
研究人员提出HGS-BioAbductor框架，构建基于超图的神经网络用于生存预测，并结合可解释人工智能识别的预测标志物和通路，通过多智能体竞赛过程生成新的分子机制。该方法在18个独立临床蛋白质组和转录组数据集中，于16个基准中以更高的C指数优于七种基线模型，且显著超越可解释性模型（C指数提升0.1至0.2）。在肝细胞癌案例研究中，系统提出PFKFB2等此前未充分探索的蛋白与预后相关的新假设，其文献支持度超过0.8，且在Huh7和MHCC-LM3细胞系中敲低实验验证了PFKFB2促进肿瘤细胞增殖和集落形成的作用。
原文发布 2026-11-14 08:00（北京时间）来源 Nature自动整理 · 已核对原文
01摘要
该框架实现了从组学数据驱动发现到基于文献支持的生物可解释性的端到端自动化流程，为临床组学分析提供了新的可解释性范式。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- HGS-BioAbductor构建超图神经网络实现生存预测，结合XAI识别的标志物与通路生成分子机制。
- 在16/18个数据集中C指数优于七种基线模型，可解释性模型提升0.1至0.2。
- 肝细胞癌研究中提出PFKFB2与预后相关的新假设，文献支持度超0.8，实验验证其促进肿瘤增殖功能。
- 系统通过多智能体竞赛和自动文献查询量化新假设的合理性和新颖性。
03原文出处
Nature · 发布于 2026-11-14 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-14 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日