摘要
高内容形态特征分析（Cell Painting）能够生成细胞状态的高维敏感特征，但将长期形态轨迹转化为可解释的生物学仍然困难，尤其是在低剂量率电离辐射等微弱、慢性扰动下。大型语言模型（LLMs）可以将异质证据整合成生物学叙述，但其科学应用需要定量审计。我们提出了一种以评估为先的检索增强解释框架，应用于为期9周的RPE-1时间序列，涉及五种剂量率（0.003--6.0 mGy/hr）。
匹配周的处理-对照形态学差异与检索到的扰动邻近、通路上下文和文献证据相结合，通过稳定证据标识符，使LLM能够生成结构化、证据链接的假设，并在保留来源的同时进行分层总结。我们引入了两个定量审计测试：V1引用有效性，验证所引用的证据标识符是否存在于提示中；V2基于代理的形态兼容性，评估预测的生物过程与最显著改变的形态特征之间的一致性。
在我们的实验中，V1未检测到无效证据引用，而V2显示出与扰动强度正相关的有意义的形态兼容性，并且与独立的形态漂移摘要呈正相关。该框架生成可审计、可证伪的生物学假设，包括在较低剂量率（0.003--0.3 mGy/hr）下涉及代谢重编程和蛋白质稳态应激的适应性表型。目前的局限性包括基于代理的评估和缺乏真实机制标签。
博主点评： 本研究通过引入审计机制，为细胞绘画技术的生物学解释提供了新的视角，尤其在处理微弱的环境扰动时。利用LLM进行证据整合，不仅提升了假设的可验证性，也为未来的生物学研究提供了重要方法论支持。