跳到主要内容
返回时间线
bioRxiv来源发表:

statLens把统计设计拆给代码、模型和研究者:小模型准确率从81.0%升到93.6%

核心概要

差异表达分析要先定模型族、主比较和样本依赖,这些决定过去要么靠人,要么交给会写代码的自主智能体。statLens把数据刻画与规则校验交给代码、把研究情境解读交给语言模型、把最终确认留给研究者,在102项任务上七种模型准确率稳定在92.5–95.0%,而只用语言模型推理为17.5–46.8%。四个小模型的平均准确率从自主智能体的81.0%升到93.6%。

Source-provided article image: statLens enables accurate and interpretable statistical intelligence
Figure 1 · bioRxiv · 第 3 页

深度剖析

差异表达分析的前置统计设计现在可以由一条人机协同流程完成,而不是由单个语言模型一次性给出答案。 同一批任务上,只用语言模型推理的准确率为17.5–46.8%,自主智能体为58.7–99.5%,且跨模型波动很大。 在来自74个公开数据集、覆盖六种组学模态的102项任务共510道选择题上,statLens在七种语言模型上的准确率为92.5–95.0%,跨模型极差2.5个百分点,自主智能体为40.8个百分点。

流程把一次分析拆成感知、推理、执行三个模块共七步,每一步的产出都要经过代码校验和研究者确认才能进入下一步。 代码负责刻画特征矩阵、核对样本对应关系、检查设计矩阵秩与对比可估计性,语言模型只负责解读研究情境并提出候选模型族与设计公式。 在四个小语言模型上,statLens把平均准确率从自主智能体的81.0%提高到93.6%;Gemma 3 12B从58.7%升到92.5%,Phi-4从84.1%升到93.7%。

在小鼠肝脏RNA-seq复现中,流程从设计卡一路走到可执行的DESeq2脚本,并给出与原文一致的表达变化方向。 原文报告1,568个差异表达基因,statLens在调整P<0.05下得到1,557个,差异集中在阈值附近。 数据为GSE326073的8个样本、14,371个基因,四只DHT处理与四只溶剂对照小鼠;原文强调的36个基因全部显著且方向一致。

启示与展望

演示范围是六种组学模态上的差异表达统计设计与DESeq2负二项模型执行,输入需要足够信息量的研究描述、清理过的元数据和已备好的特征矩阵。端到端执行目前只覆盖负二项模型,随机效应与嵌套依赖结构不在支持范围内。

基准为多选题,只计与预设参考答案一致的回答,可接受的替代分析不计为正确;自动化测试框架代替研究者推进流程,未做实质性修改,因此人类复核带来的额外收益尚未量化。作者也指出,各组件各自的贡献仍需消融实验确定。