RareCollab——一个结合表型和分子证据的智能系统，用于诊断孟德尔遗传病。

全球数百万儿童受到严重的罕见孟德尔遗传病影响，但外显子组和全基因组测序仍然无法为大部分患者提供明确的分子诊断，延长了诊断过程。弥补这一差距日益需要从仅基因组DNA的解释转向多模态的诊断推理，结合基因组数据、转录组测序（RNA-seq）和表型信息；然而，能够连贯整合这些信号的计算框架仍然有限。本文介绍RareCollab，一种智能诊断框架，结合稳定的定量诊断引擎和基于大型语言模型（LLM）的专家模块，针对转录组信号、表型、变异数据库和文献生成高分辨率、可解释的评估，以优先排序潜在的诊断变异。在对配对基因组和转录组数据的未诊断疾病网络（UDN）患者进行严格筛选的基准测试中，RareCollab达到77%的前5位诊断准确率，比广泛使用的变异优先排序方法提升了约20%的前1至前5位准确率。RareCollab展示了模块化人工智能（AI）如何将多模态证据运用于准确且可扩展的罕见病诊断，为受影响家庭缩短诊断历程提供了有希望的路径。