综述：新一代哺乳动物细胞生物加工中多组学文献检索的策略性方法

《npj Systems Biology and Applications》：A strategic approach to multi-omics literature retrieval in next generation mammalian cell bioprocessing

本文系统探讨了多组学（multi-omics）文献检索在哺乳动物细胞（如CHO、HEK293）生物加工领域的挑战与策略。作者通过构建语义精准的检索词典，揭示了术语不一致性对文献发现的影响，并提出结合人类领域知识与机器扩展的迭代检索框架，为系统性文献挖掘提供了方法论指导。

　　

引言：多组学时代的文献检索困境

科学文献正以指数级速度增长，哺乳动物细胞生物加工领域尤为显著。多组学（multi-omics）通过整合基因组学（genomics）、转录组学（transcriptomics）、蛋白质组学（proteomics）等多层次分子数据，为理解复杂生物系统提供了强大工具。然而，术语使用的混乱和索引的不一致性，使得精准检索相关文献成为巨大挑战。本研究以CHO（Chinese Hamster Ovary）和HEK293（Human Embryonic Kidney 293）细胞为模型，系统分析了检索策略对文献发现的影响，并提出一种逻辑感知的检索框架。

细胞系特异性检索词典的构建

研究首先评估了七种常用哺乳动物细胞系（如Vero、CHO、HEK293）在文献中的表征差异。结果显示，缩写术语（如"CHO"）的检索结果常远高于全称（如"Chinese Hamster Ovary"），但缩写易引入歧义——例如"CHO"在化学中代表醛基，导致大量无关文献被召回。针对HEK293细胞，通过组合全称、缩写（如HEK293T）及"cell"通配符，最终查询5（（"Human Embryonic Kidney" OR HEK293OR "HEK 293"） AND "cell"）在召回率与精确度间取得最佳平衡。而CHO细胞的检索则需避免通配符，直接列举常见衍生株（如CHO-K1、CHO-DG44）以提升特异性。

生物加工术语的整合与多组学检索策略

生物加工术语（如"fed-batch culture"、"perfusion bioreactor"）的词典构建揭示了术语应用的广泛不一致性。单独检索生物加工术语获得116,260篇文献，叠加"哺乳动物细胞*"后骤降至2,190篇，再结合CHO/HEK293特异性检索后仅剩951篇，表明严格术语过滤可能遗漏大量相关研究。多组学检索的复杂性更高：术语变体（如"multi-omics"与"multiomics"）的独立使用导致检索结果差异显著（"multi-omics"：11,986篇；联合查询：14,921篇）。研究进一步发现，仅8.7%的多组学研究明确使用"多组学"标签，绝大多数文献仅描述具体组学技术（如RNA-seq），而非整合分析。

组学组合的频率与语义差距

通过系统构建两两至五组学组合的检索查询，研究发现转录组学与蛋白质组学的组合（25,772篇）最为常见，而表观基因组学（epigenomics）与代谢组学（metabolomics）的组合仅234篇。高阶组合（如四组学）的文献量（711篇）甚至超过某些低频两两组合，反映不同组学数据在生物学洞察上的互补性差异。关键发现是：多组学实践（实际进行多层级数据生成）与语义描述（使用"多组学"术语）存在显著脱节，导致基于关键词的检索严重低估领域真实规模。

集成检索框架的应用与文献计量分析

将细胞系、生物加工和多组学词典整合后，CHO细胞相关文献从115篇（无生物加工过滤）降至51篇（有过滤），HEK293细胞从170篇降至4篇，共引研究仅2篇。时序分析显示，CHO多组学研究始于1990年代，HEK293则在2020年后因COVID-19相关疫苗研发激增。期刊分布上，生物加工过滤使文献集中于《Biotechnology & Applied Microbiology》等应用型期刊；而去除过滤后，HEK293研究更偏向《Biochemistry & Molecular Biology》等基础医学期刊。地理分布表明，生物加工术语的引入会导致研究群体地域集中化，而广义检索则呈现更广泛的全球参与。

检索术语对研究景观表征的影响

关键词共现网络分析显示，CHO细胞的多组学研究紧密关联"蛋白质组学"、"生物工艺"等节点，形成连贯网络；而HEK293研究则分为"病毒载体生产"和"分子机制探索"两个孤立集群。生物加工过滤不仅减少文献数量，更窄化了研究概念空间。此外，Web of Science的Keywords Plus（算法生成）较作者关键词（Author Keywords）提供更多元术语，但两者重叠率不足10%，凸显索引与作者描述间的语义鸿沟。

讨论：迈向机器可读的文献检索范式

术语不一致性不仅是文献计量问题，更会扭曲自然语言处理（NLP）模型的输出。本研究提出"人在环中（human-in-the-loop）"的迭代检索框架，通过交替进行人类语义判断与机器术语扩展，构建自适应检索管道。同时，建议期刊推行关键词标准化政策（如结构化维度标签），提升研究对机器检索的可见性。多组学在CHO细胞生物加工中已趋于成熟，而HEK293研究仍处于探索阶段，聚焦于病毒载体、细胞外囊泡（EVs）等新兴领域。术语清晰化与数据整合将是释放多组学潜力的关键。