OrphanCure-AI

OrphanCure-AI Pro 是一个专为药物重定位（Drug Repurposing）设计的智能体（Agent）。它不仅仅是一个简单的问答机器人，而是一个集成了多源异构数据检索、逻辑推理和严格证据验证的科研辅助工具。

该项目旨在解决生物医药领域 AI 应用的核心痛点——“幻觉”。通过强制引用溯源和逻辑验证层，它能确保生成的假设都有据可查。

---

核心特性

• ** 严格的证据验证 (Anti-Hallucination)**

  • 内置 Verifier 模块：强制 LLM 在生成结论时提取原始文献的引用片段。
  • 使用模糊匹配算法（Fuzzy Matching）自动比对生成的引用与 PubMed 原始摘要，标记未通过验证的风险声明。

• ** 多源数据融合**

  • OpenTargets Platform: 获取经过验证的靶点、疾病关联评分及药物作用机制（MoA）。
  • PubMed/MEDLINE: 实时检索最新的临床试验、系统综述和学术论文。

• ** 智能实体消歧 (Entity Resolution)**

  • 结合模糊搜索与 LLM 语义理解，自动识别并纠正药物/疾病名称拼写错误（如 "Metformn" -> "Metformin"）。
  • 支持 Human-in-the-Loop（人机回环），允许专家在分析前确认实体选择。

• ** 可视化与结构化输出**

  • 生成药物-靶点-疾病相互作用网络图（Graphviz）。
  • 提供符合严格 Schema 的 JSON 报告，包含验证状态、置信度评分和风险标识。

---

系统架构

系统采用模块化设计，主要包含以下组件：

graph TD
    User[用户输入] --> Res[实体消歧层]
    Res -->|纠错与确认| OT[OpenTargets 服务]
    
    subgraph Data Retrieval
        OT -->|获取共有靶点| Targets[靶点数据]
        OT -->|生成搜索策略| PubMed[PubMed 服务]
        PubMed -->|检索 & 排序| Papers[文献摘要数据]
    end
    
    subgraph Synthesis & Verification
        Targets & Papers --> LLM[LLM 推理引擎]
        LLM -->|生成假设 & 引用| RawRep[原始报告]
        RawRep --> Verifier[证据验证器]
        Verifier -->|比对引用片段| FinalRep[最终验证报告]
    end
    
    FinalRep --> UI[Streamlit 界面]

Loading

快速开始

1. 环境准备

确保您的系统已安装 Python 3.8+。

⚠️ 重要提示： 本项目使用 Graphviz 生成网络图，您必须在操作系统层面安装它：

MacOS: brew install graphviz

Ubuntu/Debian: sudo apt-get install graphviz

Windows: 下载安装包 并将 bin 目录添加到系统 PATH 环境变量中。

2. 克隆仓库与安装依赖

git clone [https://github.com/YourUsername/OrphanCure-AI.git](https://github.com/YourUsername/OrphanCure-AI.git)
cd OrphanCure-AI
pip install -r requirements.txt

3. 配置模型

本项目默认配置为使用 DeepSeek-V3 模型（通过 SiliconFlow API）。您需要获取一个 API Key。

如果没有 Key，请前往 SiliconFlow 或相关服务商注册。

注：如需更改模型提供商（如使用 OpenAI 原生 API），请修改 app.py 中的 LLMService 类。

4. 运行应用