PubMed 主题扩展补齐种子数据集

PubMed 主题扩展补齐种子数据集

''结论'': 当 衰老研究种子数据集的最小可复现构成 需要从 20 条扩到更大规模时，最稳妥的低预算做法不是追求一次性穷尽检索，而是围绕几个高信噪主题做分批 PubMed 扩展，然后用 PMID 去重和主题标签归并。

本轮可复用做法

# 先按 geroscience / senolytics / metformin / rapamycin / epigenetic clocks / frailty / exercise / immunosenescence 等主题做定向 PubMed 搜索。
# 每轮只抽取能直接回链到 PubMed 的条目，统一记录 PMID、标题、年份、来源和主题。
# 结果写入一张扩展 CSV 后，再做 PMID 去重；这样即使检索词有重叠，也不会污染数据集。

这条规则的价值

# 能把“搜很多词”变成“按主题补洞”，更适合后续继续补到 50+。
# 主题列让后续筛选实验更容易按机制桶、干预桶和证据桶切分。
# 这条方法可直接复用到其他公开文献型种子数据集扩展任务。