Human Phenotype Ontology (hpo) — 人类表型本体：医疗 AI 表型标准化的 OBO 知识底座 — AI-Ready Wikipedia

INFOBOX — HPO 一屏速览

维度	内容
本质	本体（ontology）知识资源——不是影像/信号数据集，而是标准化人类表型的受控词汇+逻辑本体+疾病注解语料
全称	Human Phenotype Ontology（HPO，人类表型本体），CURIE 前缀 HP（如 HP:0001631 房间隔缺损）
维护	The Jackson Laboratory（JAX，美国）；Monarch Initiative 旗舰产品
立项	2008 年（Robinson 等，Am J Hum Genet 2008;83:610-615）
规模	18,000+ 表型术语、156,000+ 疾病表型注解（官网 hpo.jax.org，2026-09-30 实抓）；NAR 2021 硬数字 15,247 terms（2020-09-15）
结构	有向无环图（DAG），根节点 HP:0000001；OWL 本体，支持逻辑推理；6,154 OWL 逻辑定义
注解	HPOA（疾病→表型），覆盖 7,801+ OMIM 单基因病 + Orphanet/DECIPHER；含 onset/frequency/sex 修饰
格式	OBO / OWL / JSON 三格式官方免费直链（无注册墙）
许可	免费开放但受版权保护的完整性许可（三条件：致谢引用+标注版本+不得改动）；论文 CC BY 4.0
语言	英语 + 至少 10 种译本（含中文 chinahpo.net）；国际版 OWL
定位	GA4GH 13 个 driver project 之一的中心组件；Phenopacket 表型交换标准的词汇层
工具生态	Exomiser / Phenomizer / Genomiser / Profile Search / Phenopackets
库内互链	gene-ontology(441)、chebi(314)、omim(159)、ncbi-disease(425)、disgenet(449)、clingen(523)、snomed-ct(557)、umls(558)

HPO 是一个"给人类表型发明坐标"的知识资源。在它出现之前，“患者有房间隔缺损"这句临床描述在不同医院、不同系统、不同语言里可以有几十种写法，计算机无法把它们当作同一件事；HPO 用一棵 18,000+ 节点的受控词汇树，把这些描述收敛为一套稳定的 CURIE 标识符（如 HP:0001631），并额外记录"这条表型常见于哪些疾病、发病年龄多大、出现频率如何”。它不采集任何患者图像或信号，却是几乎所有罕见病基因组诊断软件的公共词汇底座——Exomiser、Phenomizer 能在几百个候选基因里排序，靠的正是 HPO 提供的表型-疾病语义关联。对医疗 AI 而言，HPO 是"表型 grounding"的权威词典：临床文本里的自由描述要变成模型可计算的向量或图节点，第一步通常就是归一到 HP 术语。

导语读法三则：

1. 只想拿数据/建管线：直奔 §6 获取与许可——官方 OBO/OWL/JSON 三格式全免费直链，但注意"三条件完整性许可"不是标准 CC，再分发前读原文。
2. 做罕见病诊断/NLP：直奔 §3 本体结构与 §5 应用场景——表型标准化、语义相似度、HPO-based NER 三段连读。
3. 需要向人解释"HPO 与 Mondo/GO 有何不同"：直奔 §8 家族谱系与 §4 的术语辨析——表型本体 ≠ 疾病本体 ≠ 基因功能本体。

§0 导读：这个知识资源解决什么问题

在基因组测序成本跌到几百美元的今天，罕见病患者拿到一份全外显子报告不再困难，困难的是把报告里的变异与患者真实症状对上。一个患儿可能携带数十个意义未明的变异，医生要判断哪个才是病因，唯一的线索是患者的临床表型——但"临床表型"在纸质病历、电子病历、跨院转诊单里是高度自由、混杂、非结构化的自然语言。同一句"心脏有杂音、房间隔缺损、发育落后"，在不同系统里可能被写成十几种形式，机器无法直接比较、无法计算相似度、无法检索。

HPO 的答案是本体化（ontologization）：把人类疾病的表现（phenotypes）拆解为一个个原子化的、有明确上下位关系的标准术语，每条术语有唯一标识、文本定义、同义词、交叉引用，以及到疾病的注解关系。这样一来：

1. 标准化：任何来源的临床描述都可以映射到 HP 术语，实现跨系统、跨语言、跨机构的语义互操作（semantic interoperability）。
2. 可计算：术语之间的层级关系（如"房间隔缺损"是"心脏结构异常"的子类）使语义相似度算法成为可能——患者表型集合与疾病表型画像之间的相似度可以被量化，从而对候选疾病排序。
3. 可推理：HPO 是全 OWL 本体，支持逻辑推理；同一套表型概念可以跨物种对齐（人类 HPO ↔ 小鼠 MP ↔ 斑马鱼 ZP），让模式生物的表型数据也能用于人类疾病基因发现。

HPO 因此不是"又一个术语表"，而是医疗 AI 知识基础设施。它是 GA4GH（全球基因组学与健康联盟）13 个 driver project 之一的中心组件；是 GA4GH Phenopacket Schema（表型数据交换国际标准）的词汇层；是 Exomiser、Phenomizer 等表型驱动诊断软件的公共依赖；也是当前 LLM 医疗应用做"表型 grounding"时最常用的权威本体之一。本条目按"AI-Ready 知识资源"口径撰写，重点讲清三点：它是什么结构、它被用来做什么、以及一个 AI 系统如何正确接入它。

§0 读法三则：

1. HPO 的"规模数字"有三个口径（术语数 ~18,000+、OWL 类数 ~23,095、注解数 ~156,000+），它们不是同一件事，全文会反复标注（坑 1）。
2. 它不是数据集而是本体——所以本条目没有"训练集/测试集划分"“患者数"这类字段，取而代之的是"术语层级深度”“注解覆盖率”"逻辑定义数"等本体质量维度（§3）。
3. 检索时若把 HPO 当成"影像数据集"去找下载分片会一无所获——它的交付物是 .obo/.owl/.json 文本文件与 .hpoa 注解表（§6）。

§1 速览：关于 HPO 的十二问十二答

Q1：HPO 到底是个什么东西？
一个本体（ontology）：标准化描述人类疾病表型异常的受控词汇表 + 术语间的逻辑关系 + 疾病-表型注解语料。它的最小单元是"术语（term）“，如 HP:0001631 表示"房间隔缺损（Atrial septal defect）”。

Q2：谁做的、做了多久？
The Jackson Laboratory（JAX，美国）维护，2008 年由 Peter N. Robinson 等发起（创始论文 Am J Hum Genet 2008;83:610-615）。现为 Monarch Initiative 的旗舰产品，是 NIH 支持的跨物种表型-基因型语义整合联盟的核心交付物。

Q3：有多大？
官网（hpo.jax.org，2026-09-30 实抓）称 18,000+ 表型术语、156,000+ 疾病表型注解。作为历史锚点，NAR 2021 论文记录 2020-09-15 时点为 15,247 个术语（较上一版增 9.3%）；2024 论文记录新增 2,239 术语、49,235 注解。

Q4：术语长什么样？
每条术语含：唯一 CURIE（HP:xxxxxxx）、英文 label、文本定义（textual definition）、同义词（synonyms）、到 SNOMED CT / UMLS / MeSH 的交叉引用（xrefs），以及在本体树中的父/子关系（is_a）。

Q5：注解（annotation）是什么？
HPOA（Human Phenotype Ontology Annotations）把疾病连接到表型术语：例如"Marfan 综合征"被注解到 50+ 个表型异常，包括主动脉瘤（HP:0004942）。注解还可带修饰符：发病年龄（age of onset）、频率（frequency）、性别倾向。

Q6：数据从哪来？
NAR 2021 口径：OMIM 单基因病注解 108,580 条（其中 93,885 条由 OMIM Clinical Synopsis 文本挖掘生成，14,695 条即 13.5% 由 HPO 团队人工策展），覆盖 7,801 个疾病（重均 13.9 注解/病）；另有 296 条注解覆盖 47 个 DECIPHER 染色体病；Orphanet 也持续用 HPO 注解罕见病。

Q7：用什么格式发布？
官方 OBO（obo 1.4）、OWL（OWL 2）、JSON（obographs） 三种本体格式，以及 phenotype.hpoa、genes_to_phenotype.txt、phenotype_to_genes.txt 三个注解/关联文件，全部在 hpo.jax.org 免费直链。

Q8：许可怎么算？
免费开放，但不是标准 CC 单一协议——它是版权完整性许可：可以自由下载使用，但有三个条件：①致谢并正确引用 HPO Consortium；②公开展示的文件须标注日期/版本号；③不得改动文件内容或嵌入的逻辑关系。论文文本本身是 CC BY 4.0。

Q9：被谁用？
Exomiser（变异致病性排序）、Phenomizer（表型驱动鉴别诊断，现已离线）、Genomiser（非编码变异）、Profile Search（表型谱发现疾病）；以及 GA4GH Phenopacket、Monarch Initiative、Matchmaker Exchange 等国际基础设施。

Q10：跟 Mondo、GO、OMIM 什么关系？
互补而非重复：Mondo 是疾病本体（疾病本身的层级），HPO 是表型本体（疾病表现）——两者常配合使用（疾病用 Mondo 标识，其表型用 HPO 描述）；GO 是基因功能本体（基因干什么），HPO 是表型（个体表现出什么）；OMIM 是疾病-基因权威知识库，是 HPO 疾病注解的主要来源。

Q11：对医疗 AI / LLM 有什么用？
它是"表型 grounding"的权威词典：临床自由文本 → HP 术语（NER + 归一化）→ 语义相似度/知识图谱/提示词上下文。罕见病诊断推理、表型驱动的基因优先级排序、跨模态对齐（表型-基因-影像）都以 HPO 为公共坐标系。

Q12：它有什么局限？
英文为主（译本覆盖不全）；疾病注解偏 OMIM 单基因病（复杂病覆盖有限）；86.5% 注解来自文本挖掘（有噪声）；三个规模口径易被混引；作为本体不含患者级数据，不能直接用于临床决策。

§2 身份、谱系与时间线

2.1 一句话身份卡

项	值
正式名称	Human Phenotype Ontology（HPO）
中文名	人类表型本体
本体前缀/缩写	HP（CURIE 形如 HP:0001631）
类型	生物医学本体（biomedical ontology）+ 疾病表型注解知识库
立项年份	2008
维护机构	The Jackson Laboratory（JAX，美国缅因州 Bar Harbor / 康涅狄格州 Farmington）
所属计划	Monarch Initiative（旗舰产品）
官方站	https://hpo.jax.org/（历史域 http://www.human-phenotype-ontology.org/）
代码库	https://github.com/obophenotype/human-phenotype-ontology
格式	OBO / OWL / JSON
许可	免费开放 + 版权完整性三条件许可
国际地位	GA4GH 13 个 driver project 之一的中心组件

2.2 为什么需要"表型本体"：一个思想实验

想象两位医生分别接诊两个患儿。医生甲的记录写着："患儿心脏有杂音，超声提示房间隔缺损，伴生长发育迟缓。"医生乙写的是："ASD confirmed by echo；global developmental delay；failure to thrive。“如果要把这两个病例放在一起做队列分析或检索"同时有房间隔缺损与发育迟缓的罕见病”，任何基于字符串的匹配都会失败——用词不同、语言不同、粒度不同。

HPO 的做法是把"临床描述"这件事本身标准化：为每一个可观察的疾病表现定义一个术语节点，把节点组织成一棵有上下位关系的树，然后在术语与疾病之间建立注解。于是一个病例不再是自由文本，而是一个术语集合 {HP:0001631 (Atrial septal defect), HP:0001263 (Global developmental delay), HP:0001508 (Failure to thrive)}——可比较、可检索、可计算相似度、可跨语言。

这个思想实验解释了 HPO 的三层价值：词汇层（把说法归一）、结构层（术语间的逻辑关系支撑推理）、注解层（把表型与疾病、基因联系起来）。三者缺一不可：只有词汇是术语表，加上结构才成为本体，加上注解才成为可用于诊断的知识资源。

2.3 NAR 年度更新谱系与时间线

HPO 的学术记录是一条清晰的"NAR Database issue 年度更新"链条，加上一篇 2008 创始论文：

年份	文献	标识	关键内容
2008	Robinson 等，Am J Hum Genet	doi:10.1016/j.ajhg.2008.09.017（PMID 18950739）	创始论文：HPO 作为注释与分析人类遗传病的工具
2014	NAR	doi:10.1093/nar/gkt1026（PMID 24217912）	连接分子生物学与疾病的表型数据
2017	NAR	doi:10.1093/nar/gkw1039（PMID 27899602）	年度更新
2019	NAR	doi:10.1093/nar/gky1105（PMID 30476213）	知识库与资源扩展（Expansion）
2021	NAR 49(D1):D1207-D1217	doi:10.1093/nar/gkaa1043（PMID 33264411，PMC7778952）	神经/肾/免疫/肺/新生儿筛查子本体扩展；ILAE 癫痫子本体；跨物种对齐
2024	NAR 52(D1):D1333-D1346	doi:10.1093/nar/gkad1005（PMID 37953324，PMC10767975）	“phenotypes around the world”：全球译本、MAxO 新作、EHR 整合、177 作者

时间线关键节点：

• 2008：HPO 立项，创始论文发表。
• 2010s：逐步成为罕见病基因组诊断的公共词汇；被 Exomiser、Phenomizer 等工具采用。
• 2019-2021：子本体大规模扩展（癫痫按 ILAE 指南重构、免疫、肾、肺等）；被纳入 UMLS，与 SNOMED CT 建立交叉引用。
• 2020-10：NAR 2021 报告的基线 release。
• 2021-09-15（NAR 2021 数据时点）：15,247 terms。
• 2023-11-11：NAR 2024 论文在线（卷期 2024;52(D1)）；较 2020-10 release 新增 2,239 terms、49,235 annotations。
• 2024-09-18：官网 News “2.0.4 Medical Actions”——MAxO 医学措施本体并入生态。
• 2025-10-22：官网 News “October Data Update”——最近一次公开的数据更新公告。
• 2025-09-01 / 20251031：第三方目录（HeTOP / HL7 TSMG）记录的本体版本号（双口径，见 §9）。

2.4 常见误认与身份辨析

• HPO ≠ 数据集。它是本体与知识库，交付物是文本格式的 .obo/.owl/.json 与 .hpoa 注解表，不是图像/信号分片。本库把它按"AI-Ready 知识资源"立条。
• HPO ≠ Mondo。Mondo 是疾病本体（disease ontology），回答"疾病如何分类、疾病之间什么关系"；HPO 是表型本体，回答"疾病表现出什么"。两者常配合：疾病用 Mondo 标识，表型用 HPO 描述。Mondo 目前不在本库池内。
• HPO ≠ OMIM。OMIM 是疾病-基因的权威目录（叙事型知识库），HPO 是表型词汇与注解；HPO 的 OMIM 疾病注解正是从 OMIM 条目挖掘得来。
• HPO ≠ GO。GO（Gene Ontology）描述基因/蛋白的功能（分子功能、生物过程、细胞组分）；HPO 描述个体表型。两者同为 OBO Foundry 本体，常在同一分析里并用于"基因→功能→表型"链路。
• HPO ≠ SNOMED CT / UMLS。后两者是通用临床术语系统；HPO 是表型专用本体，并通过 xref 与 SNOMED CT/UMLS/MeSH 互链（不是替代关系）。

2.5 数字口径的"身份证"

引用 HPO 的规模时，最稳妥的表述是三口径并列（详见坑 1）：

• 表型术语数：官网当前 “over 18,000”（旧文案 “over 13,000” 仍残留）；NAR 2021 时点 15,247。
• OWL 类数（classes）：OBO Foundry 目录记录 23,095（含上层/内部结构节点）。
• 疾病表型注解数：官网当前 “over 156,000”；NAR 2021 时点 108,580（OMIM 疾病注解，另有 DECIPHER 296）。

三个数不是同一件事：术语数是临床可用概念数，类数是本体逻辑节点数，注解数是"疾病-表型"边数。

§3 本体结构与数据构成

3.1 有向无环图：HPO 的骨架

HPO 是一个有向无环图（DAG，Directed Acyclic Graph），而非简单树——一个术语可以有多条上位路径。根节点是 HP:0000001（“All”，所有表型的总根），其下最重要的子根是 HP:0000118（Phenotypic abnormality，表型异常）。典型的层级例子：

HP:0000001  All
└── HP:0000118  Phenotypic abnormality
    └── HP:0001626  Abnormality of the cardiovascular system
        └── HP:0001627  Abnormal heart morphology
            └── HP:0001631  Atrial septal defect

DAG 结构的意义：语义相似度算法（Resnik/Lin/IC 等）依赖术语间的最短路径与信息含量（Information Content），而信息含量又依赖子树规模与注解频次。多父节点让"房间隔缺损"可以同时挂在"心脏形态异常"和"先天性心脏畸形"之下，使相似度计算更细粒度。

3.2 单条术语的结构（TBox）

每条 HPO 术语（本体中的"类"）包含：

字段	含义	例子（房间隔缺损）
ID	唯一 CURIE	HP:0001631
label	英文规范名	Atrial septal defect
definition	文本定义	心房之间隔膜存在孔洞……
synonyms	同义词	ASD, Interatrial septal defect, …
xref	交叉引用	SNOMED CT / UMLS CUI / MeSH ID
is_a	上位关系（可多父）	HP:0001627 (Abnormal heart morphology)
logical definition	OWL 逻辑定义	等价类公理（genus-differentia）
译本	多语言标签	中文"房间隔缺损"、法语、日语等

NAR 2021 披露 6,154 个 OWL 逻辑定义，采用 uPheno / DOSDP（Dead Simple Ontology Design Patterns）模式，使 HPO 与小鼠 MP、斑马鱼 ZP 等物种表型本体在逻辑上可对齐——这是跨物种表型匹配（Exomiser 的核心能力之一）的基础。

3.3 注解语料 HPOA（ABox）：疾病-表型边

HPOA（Human Phenotype Ontology Annotations）是本体之外的"实例层"：把疾病标识连接到 HP 术语，并携带修饰符。NAR 2021 的硬数字：

指标	数值（2020-09-15 时点）
OMIM 疾病注解总数	108,580
其中文本挖掘生成	93,885（86.5%）
其中团队人工策展	14,695（13.5%）
覆盖疾病数	7,801（OMIM 单基因病为主）
平均注解数/病	13.9
DECIPHER 染色体病注解	296（覆盖 47 个病，均 6.2 注解/病）

注解修饰符包括：发病年龄（age of onset）、频率（frequency，如 HP:0040279 频率术语）、性别倾向。这些修饰符让"表型-疾病"关系带上临床语义，例如"某病在婴幼儿期以 X 表型为主、出现频率 >80%"。

3.4 基因-表型关联文件

除 HPOA 外，官方还发布两个基因-表型关联文件：

• genes_to_phenotype.txt：从基因出发，列出其关联的表型术语（经疾病中介）。
• phenotype_to_genes.txt：从表型出发，列出相关基因。

NAR 2024 论文补充：HPO 与 Monarch Initiative 的基因-疾病-表型图谱联动，支撑 Exomiser 的变异优先级排序。

3.5 术语数与类数：为什么两个数字都对

OBO Foundry 目录记录 HP 有 23,095 个 classes，而官网说 “over 18,000 terms”。差异来源：

• classes 统计的是本体文件中所有 [Term] 声明，含上层结构节点、仅用于逻辑组织的内部节点、以及部分非临床直接使用的类。
• terms（官网口径）通常指临床可用的表型术语下界（“over 18,000”）。

引用时写清楚你用的是哪个口径，就不会出现"HPO 到底是 1.8 万还是 2.3 万"的伪矛盾（坑 1）。

3.6 多语言译本与国际版

HPO 已从英语单一语言扩展为多语言资源：

• 至少 10 种语言的译本（NAR 2024 摘要明确"ten languages in addition to English"），含中文、西班牙语、德语、法语、荷兰语、日语、捷克语、土耳其语等。
• 中文版：Chinese HPO Consortium 维护，入口 https://www.chinahpo.net/（NAR 2024 作者含 Gu Weihong，北京）。
• 国际版 OWL：http://purl.obolibrary.org/obo/hp/hp-international.owl——把各语言标签合并进单一本体。
• 翻译工具链：Babelon（本体翻译管理标准，GitHub monarch-initiative/babelon）、LinkML。
• 原住民语言项目：Lyfe Languages（与澳大利亚原住民社区合作），把 HPO 表型翻译为社区语言以改善沟通。

多语言能力对医疗 AI 直接相关：非英语临床文本要接入 HPO，需要译本标签或跨语言映射；中文医疗 NLP 做表型归一化时，chinahpo.net 是重要入口。

§4 规模硬数字与三源互证

4.1 三源对照表

指标	NAR 2021（2020-09-15 时点）	NAR 2024（较 2020-10 release）	官网 hpo.jax.org（2026-09-30 实抓）
表型术语	15,247（+9.3%）	新增 2,239	over 18,000
疾病注解	108,580（OMIM）+296（DECIPHER）	新增 49,235	over 156,000
覆盖疾病	7,801	—	—
逻辑定义	6,154 OWL	—	—
语言	英语为主	10+ 种	10+ 种（含中文）
定义/同义更新	—	+612 定义、+1,377 同义词	—

4.2 数字如何读：三条守则

1. “156,000 annotations"不等于"156,000 疾病”。注解是"疾病-表型"的边，一个疾病平均有 13.9 条注解（NAR 2021 口径），因此 156,000 注解对应的疾病数量级在万级（NAR 2021 时点 7,801 个 OMIM 病 + Orphanet/DECIPHER）。
2. "over 18,000 terms"是滚动下界。官网用 “over”，说明真实值随时间增长且未取整披露；NAR 论文给的是某时点精确值。要精确数字须下载 hp.obo 自行统计（见附录 G 骨架）。
3. 术语数 ≠ 类数。官网 18,000+ vs OBO Foundry 23,095——前者临床术语，后者本体类；引用时标明口径（坑 1）。

4.3 增长曲线与更新节奏

• 约每 2 个月一次 release（HL7 元数据记录：“Releases, produced approximately every 2 months”）。
• NAR 2021 记录：2020-09-15 时点 15,247 terms，较上一次 NAR 报告增 9.3%。
• NAR 2024 记录：较 2020-10 release 增 2,239 terms、49,235 annotations。
• 更新入口：官网 News（最近 “October Data Update” 2025-10-22）+ GitHub releases（https://github.com/obophenotype/human-phenotype-ontology/releases）。

4.4 数据来源构成

HPO 疾病的表型注解来自多条来源，需区分"自动挖掘"与"人工策展"：

来源	性质	规模（NAR 2021）
OMIM Clinical Synopsis 文本挖掘	自动	93,885 条注解
HPO 团队人工策展	人工	14,695 条注解（13.5%）
DECIPHER 染色体病	人工	296 条（47 病）
Orphanet	外部合作策展	持续扩展
外部专家组贡献（2024）	人工	精神病学、关节挛缩、免疫、心脏等

人工策展的注解往往携带更完整的修饰信息（发病年龄、性别、频率），价值密度高于纯挖掘注解——这是使用 HPOA 时值得注意的"质量分层"。

4.5 与库内其他本体的规模对照

条目	类型	规模口径	rid
HPO（本条目）	表型本体	18,000+ 术语 / 156,000+ 注解	—
Gene Ontology	基因功能本体	数万术语（库内条目）	441
ChEBI	化学实体本体	数万实体（库内条目）	314
OMIM	疾病-基因知识库	万余疾病条目	159
NCBI Disease Corpus	疾病实体标注语料	793 摘要 / 6,892 疾病提及	425
DisGeNET	基因-疾病关联库	百万级关联	449

这张表本身就是对"HPO 不是数据集"的最好说明：同族条目里，只有 NCBI Disease Corpus 是"标注语料数据集"，其余都是知识资源/本体，规模口径各不相同。

4.6 增长曲线的三个观察

把 NAR 论文里的时点串起来，能读出 HPO 的生长节奏：

时点	术语数	注解数	里程碑事件
2008	起步	—	创始论文，聚焦 OMIM 单基因病
2020-09-15	15,247	108,580	神经/肾/免疫/肺子本体扩展后
2020-10（release）	—	—	NAR 2024 的基线 release
2023-11（NAR 2024）	+2,239	+49,235	全球译本 + MAxO + EHR 整合
2025-10-22	—	—	官网最近一次 Data Update
2026-09-30（实抓）	over 18,000	over 156,000	当前官网口径

三个观察：

1. 增长非线性但持续：2020-09 到 2023-11 的窗口新增 2,239 术语，看似温和，但注解新增 49,235 条——说明团队同时在做"横向扩疾病"与"纵向补注解"两件事。
2. 注解增速快于术语增速：注解从 108,580（2020-09）到 156,000+（2026），增幅约 44%；同期术语从 15,247 到 18,000+，增幅约 18%。注解增速约术语增速的 2.4 倍——疾病覆盖的深化快于术语体系的膨胀，这对下游诊断工具是好消息（同样的词汇能覆盖更多疾病）。
3. “over” 取整是常态：官网长期用 “over N” 披露，说明它是滚动资源而非冻结版本；任何精确数字都必须落到具体 release。

4.7 覆盖面的结构偏置（使用前必读）

HPO 的疾病注解有明确结构偏置，影响下游方法的适用边界：

• 病种偏置：注解主要来自 OMIM——即单基因（孟德尔）遗传病。复杂多基因病（糖尿病、高血压、多数癌症）在 HPOA 中的表型画像稀疏甚至缺失。把 HPO 用于复杂病表型预测时，要注意这一覆盖天花板。
• 表型粒度偏置：已纳入的表型术语中，形态学/临床可观察特征（面部畸形、骨骼异常、心脏结构）覆盖较好；主观症状、功能性/生活质量类表型覆盖较弱。
• 证据偏置：86.5% 注解来自 Clinical Synopsis 文本挖掘，挖掘规则对"明确的形态学描述"更友好，对模糊表述（“可能”“偶见”）可能漏采。使用挖掘注解时，应意识到它偏向"明确陈述过的表型"。

对研究者的含义：HPO 在罕见病/孟德尔病场景是近乎完备的坐标系，在常见病/复杂病场景是"部分可用"的坐标系——这不是缺陷，而是资源定位使然，但选型时必须知情。

§5 应用场景：HPO 被用来做什么

5.1 应用总览

HPO 本身是"原料"，价值在它被下游任务消费时才兑现。按"从临床文本到诊断决策"的链路，可梳理为七类核心任务：

应用	任务定义	代表工具/标准
表型标准化 / 归一化	自由文本临床描述 → HP 术语集合	HPO 浏览器、PyHPO、本体映射
表型驱动鉴别诊断	患者表型集合 → 候选疾病排序	Phenomizer（离线）
基因组诊断 / 变异排序	表型 + 变异列表 → 致病性打分	Exomiser、Genomiser、LIRICAL
表型语义相似度	量化表型集合间的相似程度	Resnik/Lin/IC 系列
跨物种表型匹配	人类表型 ↔ 模式生物表型对齐	uPheno / DOSDP
表型数据交换	标准化打包传输患者表型	GA4GH Phenopacket Schema
药物/机制/EHR 关联	表型-基因-药物、EHR 深度表型	Monarch Initiative、OMOP→OBO

5.2 表型标准化：把自由文本收敛为 HP 术语

这是所有下游任务的前置步骤，也是医疗 NLP 与 LLM 最直接接入 HPO 的地方。典型流程三步：

1. 表型实体识别（phenotype NER）：从自由文本切出表型提及（mention）。
2. 概念归一化（normalization）：把提及映射到 HP CURIE，处理同义词、缩写、拼写变体（如 “ASD” → HP:0001631）。
3. 否定 / 家族史消歧：区分"患者有 X"与"家族史无 X"，避免假阳性。

难点集中在三处：临床文本口语句式多变；缩写歧义（“ASD” 既可指房间隔缺损 Atrial Septal Defect，也可指自闭症谱系障碍 Autism Spectrum Disorder）；跨语言（中文病历体"房缺"要收敛到同一 CURIE）。HPO 的多语言译本与同义词集正是归一化的"词典"来源。

5.3 表型驱动鉴别诊断

给定患者表型集合，按表型相似度对候选疾病排序。HPO 官方推荐的 Phenomizer（现标记 [Offline]） 是这一任务的经典实现：把患者表型集合与 HPOA 中每个疾病的表型谱做语义相似度打分，输出最可能的疾病。这类方法在罕见病场景尤其有价值——医生面对一个"多系统异常、无明确指向"的患儿时，HPO 的语义关联可以提示"这组表型组合更像某种已知综合征"，把上千种候选罕见病压缩到可人工复核的短名单。

5.4 基因组诊断：基因/变异优先级排序

给定患者的表型 + 全外显子/全基因组测序变异列表，对候选基因/变异打致病性分数。HPO 生态的核心工具是：

• Exomiser：跨物种表型匹配，把 HPO 与小鼠 MP、斑马鱼 ZP 对齐，用模式生物敲除表型增强证据。
• Genomiser：扩展 Exomiser 到非编码变异分析。
• LIRICAL：基于似然比的表型-基因联合诊断，把 HPO 注解的频率修饰符纳入概率计算。

工作逻辑是：表型相似度提供"表型先验"，把与患者表型不符的基因降权、相符的升权，从而在数万个变异里缩小候选集。这是 HPO 对临床基因组学最实在的贡献——它把"表型"变成了可参与排序的数值特征。

5.5 表型语义相似度：HPO 的算法内核

HPO 的 DAG 结构使"表型相似度"可计算。主流方法：

• 基于信息含量（IC）：用术语在注解语料中的出现频次估计"信息量"，越具体的术语 IC 越高。
• Resnik / Lin / Jiang-Conrath：计算两术语最近公共祖先的 IC，得出语义相似度。
• 患者-疾病相似度聚合：把患者术语集合与疾病术语集合的成对相似度按 best-match / average / BMI 等策略聚合。
• 本体语义嵌入：近年用图神经网络/本体嵌入把 HPO 术语映射为向量，供 ML 模型使用。

NAR 2024 摘要明确 HPO 支持 “semantic similarity and machine learning algorithms”——这是 HPO 作为 AI 基础设施的核心证据。对医疗 AI 开发者：HPO 提供了"表型"这一模态的标准化与可微分化路径。

5.6 跨物种表型匹配（uPheno）

把人类表型与模式生物（小鼠 MP、斑马鱼 ZP、果蝇 FBcv 等）的表型对齐，以借助动物模型理解人类疾病。HPO 团队通过 uPheno 联盟 + DOSDP（Dead Simple Ontology Design Patterns） 把各物种表型本体的逻辑定义对齐。NAR 2021 披露的 6,154 个 OWL 逻辑定义就是这一工作的产物。跨物种匹配让"在小鼠里研究的致病机制"可以迁移到人类疾病候选——这是 Exomiser 的能力来源之一。

5.7 GA4GH Phenopacket：把表型装进标准信封

GA4GH Phenopacket Schema 是表型数据交换的国际标准，HPO 是其词汇层：一个 Phenopacket 用 HP 术语描述个体的表型特征，连同变异、疾病、治疗等信息打包，使跨机构、跨国的罕见病数据可以机器互操作。NAR 2024 的重点工作之一正是把 HPO 与 Phenopacket Schema 整合进电子健康记录（EHR）——目标是让罕见病数据在 EHR 里"更标准、更可计算"。对 AI 的含义：Phenopacket 提供了罕见病 ML 的统一输入格式，而 HPO 是这个格式的语义骨架。

5.8 EHR 深度表型（Deep Phenotyping）

"深度表型"指从 EHR 里系统提取可计算的表型特征，HPO 是这条路线的目标本体。NAR 2024 披露，先前工作已把 OMOP（观察性医疗数据通用模型）映射到 OBO 本体——人工+自动映射了 92,367 个 condition、8,611 个 drug ingredient、10,673 个 measurement result。这意味着临床数据仓库里的诊断/用药/检验可以在语义层对齐到 HPO/其他 OBO 本体，支撑深度表型与生物标志物发现。

5.9 对 LLM / 临床 NLP 的价值（AI-Ready 视角）

对当前的大模型医疗应用，HPO 至少有三个接口价值：

1. 表型实体识别（NER）与归一化：临床文本 → 抽取表型提及 → 映射到 HP 术语。HPO 的同义词表与定义是监督信号或提示词素材。
2. 知识 grounding：LLM 做罕见病推理时，用 HPO 注解作为可检索、可验证的知识源，减少幻觉；RAG 场景中 HPOA 是可向量化的事实库。
3. 结构化输出：要求 LLM 输出 Phenopacket/HPO 术语而非自由文本，使诊断推理结果机器可校验。

库内已收录 phenotype-annotations-mimic（rid 594）——把 MIMIC 危重症记录做表型标注的数据集。它与 HPO 的关系是"应用侧 vs 词汇侧"：前者产出患者表型标注，后者的本体可作为其标注的规范词汇。

5.10 工具生态速览

工具	功能	官网状态
Exomiser	变异致病性排序（含跨物种）	在线
Phenomizer	表型驱动鉴别诊断排序	离线（[Offline]）
Genomiser	非编码变异分析	在线
Profile Search	按表型画像发现疾病	在线
Phenopackets	GA4GH 表型数据交换标准	标准/规范
HPO 浏览器	术语检索 + 多语言视图 + 关联查询	在线

官网首页还列有邮件列表（HPO Mailing List）用于接收官方公告——对希望跟踪版本发布的团队，这是官方一手渠道。

§6 获取与许可：怎么正确接入 HPO

6.1 获取入口总表

资产	入口	格式	门槛
本体文件	https://hpo.jax.org/data/ontology	OBO / OWL / JSON	无（直链下载）
注解文件	https://hpo.jax.org/data/annotations	HPOA / TSV	无
历史版本	https://github.com/obophenotype/human-phenotype-ontology/releases	各版本快照	无
OBO Foundry PURL	http://purl.obolibrary.org/obo/hp.obo	OBO	无
国际版 OWL	http://purl.obolibrary.org/obo/hp/hp-international.owl	OWL（多语言合并）	无
多语言译本	https://obophenotype.github.io/hpo-translations/	各语言	无
中文版	https://www.chinahpo.net/	中文术语	无
代码/文档	https://github.com/obophenotype/human-phenotype-ontology	OWL 源 + 构建脚本	无

关键点：HPO 的获取是完全免费直链，无注册墙、无申请审批——这是它在 AI-Ready 维度上相对许多临床数据集（注册墙/请求制）的巨大优势。三个本体格式 + 三个注解文件全部可直接 wget/curl。

6.2 三种本体格式怎么选

格式	文件	适用场景
OBO	hp.obo	传统生物信息学工具链（OBOEdit、ROBOT、部分 Python 库），轻量易解析
OWL	hp.owl	需要逻辑推理、描述逻辑查询（Protégé、HermiT/ELK reasoner）
JSON	hp.json	Web/JS/现代 Python 应用（obographs 格式），便于 API 与前端

注解侧：phenotype.hpoa（疾病-表型主表）、genes_to_phenotype.txt、phenotype_to_genes.txt。

6.3 许可条款细读（关键，非标准 CC）

hpo.jax.org/license 原文规定，HPO 项目提供的所有文件适用以下条款：

1. HPO 词汇表、注解文件、工具与文档免费可用（freely available）。
2. HPO 受版权保护以维护词汇完整性——对词汇的改动须由 HPO 开发者完成；但任何人可在三个条件下下载并使用：
   • 条件一：须正确致谢（acknowledged）并引用（cited） HPO Consortium。
   • 条件二：公开展示的 HPO 文件须标注相关文件的日期和/或版本号。
   • 条件三：不得以任何方式改动 HPO 文件的内容或其中嵌入的逻辑关系（增改须通过 issue tracker 提交建议）。
3. 出版物中建议遵循标准科学引用惯例。
4. 在线服务/产品应加入声明：“This service/product uses the Human Phenotype Ontology (version information). Find out more at http://www.human-phenotype-ontology.org”，并请求展示 HPO logo。

这不是标准 CC BY：它允许自由使用，但**禁止演绎（不得改动内容与逻辑关系）**且强调完整性保护。第三方目录（OBO Foundry、Schematica、HeTOP）多简化标注为 “CC BY 4.0”——引用与合规应以 hpo.jax.org/license 原文为准（坑 3）。

• 论文文本许可：NAR 2021 与 NAR 2024 论文均为 CC BY 4.0（开放获取）——论文可自由再分发，但论文许可不覆盖本体文件许可，两者要分开处理。

6.4 版本管理：引用必须带版本号

许可条件二是硬要求，也对复现至关重要：公开展示或分析时须标注 HPO 版本。实践建议：

• 记录下载日期与文件内 data-version / version 行。
• 用 release 快照（GitHub releases）固定版本，而非总是拉 latest。
• 论文方法节写明"HPO release YYYY-MM-DD"。

版本号存在双口径：HL7 TSMG 记录的版本是 20251031，HeTOP 目录记录 2025-09-01——不同目录的"版本"指代不同（HL7 记录更新日期 vs 本体快照日期），引用时以你实际下载文件的 data-version 为准（坑 5）。

6.5 AI-Ready 接入清单

把一个 AI 系统接入 HPO，标准动作六步：

1. 下载并固定版本：取 hp.obo（或 hp.json）+ phenotype.hpoa，记录版本号。
2. 构建术语索引：解析术语 ID、label、synonyms、definitions，建倒排/向量索引。
3. 归一化管道：临床文本 → 表型提及抽取 → 同义词/定义语义匹配 → HP 术语。
4. 封存注解表：把 HPOA 载入图数据库/知识库，供相似度与时序检索。
5. 合规声明：在输出与界面上标注数据来源、版本号与 HPO 声明语。
6. 更新策略：约每 2 个月一次 release，规划版本升级与回归。

6.6 与库内可获取性光谱对照

档位	库内参照	HPO 归属
公开直链（最松）	Zenodo/HF/官网直链	✅ 三格式+三注解文件全直链
注册墙	部分临床数据集	—
请求制	PANDA-PLUS 掩码等	—
付费/审批	医保理赔类	—

HPO 落在最松的公开直链档，且无注册墙。唯一需注意的是许可的完整性约束（不得改动）——它不阻碍使用，但约束再分发与演绎的形式。

6.7 存储与工程提示

• hp.owl 体积较大（含逻辑公理），hp.json/hp.obo 相对轻量；按需选择，避免无谓地全量加载 OWL。
• 多语言场景用 hp-international.owl 或 hpo-translations 仓库，而非各语言单独维护映射。
• 注解文件按行（TSV）解析即成表，适合直接入关系库或 DataFrame。
• 生产环境建议镜像本地副本，避免每次推理都访问官网（也便于固定版本、满足许可的"标注版本"要求）。
• 版本升级时必须处理术语废弃：本体演进中术语可能合并/弃用，官方用 alt_id 保留历史 ID 映射，升级时应做 alt_id 迁移以防断链。

6.8 获取决策树

你要做什么？
├── 只是读/引用 HPO 概念
│   └── 浏览器 https://hpo.jax.org/browse 或下载 hp.obo 本地检索
├── 接入 AI/分析管线
│   ├── 1) 下载 hp.json（现代应用）或 hp.obo（传统工具）
│   ├── 2) 下载 phenotype.hpoa 作知识库
│   ├── 3) 记录 data-version（许可要求 + 复现）
│   └── 4) 建术语索引 + 归一化管道
├── 需要多语言（含中文）
│   └── chinahpo.net（中文）/ hp-international.owl / hpo-translations 仓库
├── 需要逻辑推理
│   └── hp.owl + Protégé/ELK 等 reasoner
└── 需要固定版本做基准
    └── GitHub releases 取某 release 快照，全流程锁定

§7 评估、质量与基准

7.1 作为本体的质量维度

评价 HPO 不能用"数据集"的指标（类别平衡、标注者一致性），而要用本体质量维度：

维度	HPO 相关事实
逻辑严谨性	全 OWL 本体，6,154 个逻辑定义（NAR 2021）；uPheno/DOSDP 模式对齐
结构质量	DAG，根 HP:0000001，最大深度 16（OBO Foundry 口径）
质控流程	使用 ROBOT（‘ROBOT is an OBO Tool’）做自动化一致性检查；辅以自定义质控管道
词汇覆盖	18,000+ 术语，持续每 2 个月扩充
定义完备性	NAR 2024 记录 +612 定义更新、+1,377 新同义词
互操作	xref 到 SNOMED CT/UMLS/MeSH；OWL 与国际版 OWL 支持多语言
可获取性	三格式免费直链，无门槛

7.2 官方质控：ROBOT 与一致性检查

HPO 团队公开披露其质量控制使用 ROBOT（OBO 工具集）中的检查项，并自定义补充软件。质控关注：术语循环依赖、孤立节点（孤儿术语）、定义缺失、逻辑不一致、过时交叉引用等。对使用者的含义：HPO 的相对高质量不是自证，而是有公开流程支撑——但仍不能假设零缺陷，重要项目应做本地 sanity check（如术语存在性、层级深度异常、xref 有效性）。

7.3 下游工具的"事实基准"地位

HPO 本身不举办竞赛，也不发布 leaderboard，但它是下游基准的事实标准词汇层：

• 罕见病诊断算法的评测，通常以"在 HPO 表型输入下能否命中正确诊断"为任务定义——HPO 是任务的公共坐标系。
• Exomiser/Phenomizer 等工具的论文指标（top-1/top-10 命中率）都以 HPO 术语作为输入表示。
• GA4GH Phenopacket 上的推理挑战、Monarch Initiative 的跨物种评测同样以 HPO 为核心。

因此，评测"HPO 好不好"的正确姿势是评测依赖 HPO 的诊断/相似度流水线，而非给 HPO 本身打分。

7.4 临床有效性的证据点

• 癫痫子本体按 ILAE 指南重构，NAR 2021 声明这些增强 “have already shown clinical validity”——即按国际抗癫痫联盟分类重构后，诊断/研究有效性得到验证。
• OMOP→OBO 映射（92,367 conditions / 8,611 drug ingredients / 10,673 measurements）使 EHR 数据可深度表型化——这是"HPO 在真实临床数据上可用"的规模化证据。
• 疾病注解覆盖 7,801+ 疾病（NAR 2021），其中含大量罕见病——支撑罕见病诊断这一 HPO 的"主战场"。

7.5 评测者视角：HPO 的三个"不可直接量化"点

1. 覆盖偏置：注解以 OMIM 单基因病为主——在复杂病/常见病上评测表型方法，HPO 的注解密度不足以支撑强结论。
2. 挖掘噪声：86.5% OMIM 注解来自文本挖掘——用 HPOA 训练的模型可能继承挖掘误差；严谨评测应区分策展注解与挖掘注解子集。
3. 译本质量：多语言覆盖率不一——跨语言评测需先核对目标语言的术语覆盖，避免把"翻译缺失"误读为"方法失效"。

7.6 知识资源的"正确评测姿势"总结

你评测的对象	该用什么指标
HPO 本体结构本身	逻辑一致性、深度分布、孤立节点率、定义覆盖率
依赖 HPO 的诊断流水线	top-k 命中率、召回、MRR、临床可解释性
表型归一化模块	NER 的 P/R/F1、归一化准确率
LLM grounding	幻觉率、结构化输出合法率、术语命中率

把"评测对象"与"指标"对齐，是使用 HPO 做研究时最容易出错、也最需要自觉的一步。

§8 生态与家族谱系

8.1 本体家族：HPO 在 OBO 生态中的位置

HPO 是 OBO Foundry（开放生物医学本体铸造厂）成员，与一批本体共同构成生物医学语义层：

                    OBO Foundry（开放生物医学本体）
                             │
     ┌───────────────┬───────┴────────┬───────────────┐
   表型本体         疾病本体         基因功能本体      化学实体本体
     │                │                │                │
    HPO             Mondo             GO              ChEBI
  (本条目)      (库内未入池)      (库内 rid 441)   (库内 rid 314)
     │
  ┌──┴───────────────┐
 物种表型本体      医学措施本体
  │                  │
 MP(小鼠)/ZP(斑马鱼)  MAxO

关键区分：

• HPO（表型）↔ Mondo（疾病）：互补。疾病用 Mondo ID 标识，其表型用 HPO 描述。一个疾病实体的完整语义 = Mondo 身份 + HPO 表型画像。
• HPO（表型）↔ GO（功能）：互补。GO 说"基因产物做什么"，HPO 说"个体表现出什么"；"基因变异→功能改变→表型异常"的链条两端分别是 GO 与 HPO。
• HPO ↔ ChEBI（化学实体）：同为 OBO 成员，化学实体本体与表型本体在药物-表型关联（如副作用、适应症）中可联动。

8.2 上下游依赖网络

方向	对象	关系
上游数据源	OMIM	HPO 疾病注解主要来源（挖掘+策展）
上游数据源	Orphanet	罕见病表型注解合作
上游数据源	DECIPHER	染色体病表型注解
标准组织	GA4GH	HPO 是 13 driver projects 之一的中心组件
标准/格式	Phenopacket Schema	HPO 是其词汇层
术语系统	SNOMED CT / UMLS / MeSH	HPO 术语 xref 目标
联盟	Monarch Initiative	HPO 为旗舰产品
联盟	Matchmaker Exchange	罕见病基因发现平台，采用 HPO
下游工具	Exomiser / Phenomizer / Genomiser / LIRICAL	表型驱动诊断
相关本体	MAxO	医学措施本体（HPO 团队新作）
跨物种	MP / ZP	通过 uPheno 对齐

8.3 版本与治理

• 治理：JAX 主导，Monarch Initiative 联盟协作，社区通过 GitHub issue tracker 提交词汇建议。
• 发布：约每 2 个月一次；官网 News 公告。
• 翻译治理：各语言由本地联盟维护（中文由 Chinese HPO Consortium），通过 Babelon 工具链管理。

8.4 库内互链点（含 rid）

库内条目	rid	互链理由
gene-ontology	441	同为 OBO 本体，"功能 vs 表型"对偶
chebi	314	同为 OBO 本体，化学实体
omim	159	HPO 注解的主要上游来源
ncbi-disease	425	疾病实体标注，与表型标注对偶
disgenet	449	基因-疾病关联库，与 HPO 表型-疾病互补
clingen	523	基因-疾病临床有效性，与 HPO 表型注解互补
snomed-ct	557	HPO 术语 xref 目标
umls	558	HPO 被纳入 UMLS
loinc	559	临床观测标识，深度表型配套
meddra	579	监管术语，与 HPO 表型术语域交叉
rxnorm	578	药物术语，药物-表型关联
hgnc	577	基因命名，基因-表型关联的基因侧
pharmgkb	374	药物基因组学，机制-表型
phenotype-annotations-mimic	594	同含 phenotype 词的不同物，须在正文区分

8.5 生态中的"不可替代性"

HPO 在罕见病诊断软件栈中的地位近乎不可替代：Exomiser、Phenomizer、LIRICAL 等工具的表型输入层都建立在 HPO 之上，而替换这一层意味着重建整个表型-疾病注解语料与跨物种对齐——没有等价的开放替代品同时提供"标准表型词汇 + 疾病注解 + 跨物种逻辑对齐 + 多语言"。这也是它被 GA4GH 列为 driver project 组件的原因。对希望自建表型知识库的团队而言，结论是：不要重造 HPO，而是在其上加归一化层与业务层。

§9 与库内条目的关系

9.1 HPO 与库内知识资源家族

HPO 补上了本库"生物医学语义层"的一块关键拼图。库内已有的相关条目可分三组：

组一：本体（ontology）

• gene-ontology（441）：基因功能本体
• chebi（314）：化学实体本体
• HPO（本条目）：表型本体

组二：疾病/基因知识库

• omim（159）：疾病-基因权威目录（HPO 注解上游）
• disgenet（449）：基因-疾病关联
• clingen（523）：基因-疾病临床有效性
• pharmgkb（374）：药物基因组学
• ncbi-disease（425）：疾病实体标注语料

组三：临床术语系统

• snomed-ct（557）、umls（558）、loinc（559）、meddra（579）、rxnorm（578）、hgnc（577）

HPO 在语义层的位置：它是"表型"这一语义维度的标准承载者。组一补全了"功能（GO）+ 化学（ChEBI）+ 表型（HPO）"三本体；组二提供疾病/基因侧的知识；组三提供临床术语侧的互操作。四者合起来构成一个完整的"基因-功能-表型-疾病-术语"语义网络。

9.2 与库内其他"phenotype"字样的条目区分（防混淆）

• phenotype-annotations-mimic（rid 594）：MIMIC 危重症记录的表型标注数据集——不同物。它是"患者级标注数据"，HPO 是"表型本体/词汇"。两者互补：前者产出标注，后者可作为规范词汇。检索"phenotype"时须区分本体与标注数据集（坑 9）。

9.3 阅读路径建议

• 想理解"基因-疾病-表型"语义链条：先读 omim(159)（疾病-基因）→ 本条目（表型本体）→ disgenet(449)/clingen(523)（关联证据）。
• 想建立"基因功能 vs 表型"对照：gene-ontology(441) + 本条目。
• 想做临床术语互操作：snomed-ct(557)/umls(558) + 本条目（HPO 的 xref 两端）。
• 想做表型标注数据：phenotype-annotations-mimic(594) + 本条目（词汇层）。

9.4 Mondo 缺席时的家族完整性说明

Mondo（疾病本体，库内尚未入池）是 HPO 最紧密的互补者。库内有 OMIM(159) 承载疾病-基因知识，但缺一个"疾病本体"节点。建议主会话后续将 Mondo 列入候选，与本条目、gene-ontology、chebi 共同补齐 OBO 本体家族的核心成员。本条目在正文已多次说明 HPO 与 Mondo 的分工，为未来互链预留锚点。

9.5 对库内 AI-Ready 语义层的贡献

本库的"知识资源"类条目（GO/ChEBI/OMIM/SNOMED CT/UMLS/RxNorm/LOINC/MedDRA/HPO）合起来，为医疗 AI 提供了从分子层（基因/蛋白/化学）到个体层（表型）到群体/术语层（临床术语）的完整语义坐标系。HPO 的加入使"表型"这个此前在库内较弱（仅有 phenotype-annotations-mimic 一个标注数据集、无本体）的维度得到权威本体的支撑，显著增强库在"罕见病 AI"“临床基因组学”"表型驱动诊断"三个检索面上的覆盖。

9.6 HPO 在医疗 AI 栈中的位置（一图定位）

┌─────────────────────────────────────────────────────────┐
│  应用层   罕见病诊断 / 变异优先级 / 患者匹配 / 队列分析      │
├─────────────────────────────────────────────────────────┤
│  推理层   语义相似度(Resnik/Lin/IC) / 贝叶斯似然比(LIRICAL) │
│           / 图神经网络 / LLM 推理                          │
├─────────────────────────────────────────────────────────┤
│  表示层   ★ HPO（表型术语 + DAG + 注解）★  ← 本条目        │
│           GO(功能) / Mondo(疾病) / ChEBI(化学) / 变异(VCF)  │
├─────────────────────────────────────────────────────────┤
│  数据层   EHR(OMOP/FHIR) / OMIM / Orphanet / 测序数据      │
└─────────────────────────────────────────────────────────┘

HPO 属于表示层：它不产生数据、不做推理，但为上层提供"表型"的标准化语义。三条落地建议：

1. 先定归一化标准再谈模型。表型归一化的召回/精确率直接决定下游诊断上限。
2. 版本锁定是工程纪律。生产系统必须固定 release 并在溯源里记录版本（也是许可第 2 条的合规要求）。
3. 把 HPO 当"坐标"而非"标签"。HP 术语的价值在于它是有结构的坐标（可算距离、可推理），只当分类标签用会浪费 DAG 的结构能力。

9.7 补齐后的"从分子到术语"链路

补齐表型维度后，本库可支撑一条完整链路：变异（VCF）→ 基因（HGNC/OMIM）→ 功能（GO）→ 表型（HPO）→ 疾病（OMIM/Mondo）→ 临床术语（SNOMED CT/UMLS）。对希望构建"医疗知识图谱"或"跨模态检索"的项目，这条链路就是本库能提供的最大语义资产。因此本条目在库内的独特价值不是"又一个本体"，而是把表型维度接入既有语义网络的关键节点：检索罕见病 AI、表型驱动诊断、临床 NLP 归一化等主题时，本条目应作为入口条目被优先命中。

§10 避坑清单：九个已踩过的坑

坑 1：术语数/类数/注解数三个口径容易混引。官网 “over 18,000 terms”、OBO Foundry “23,095 classes”、官网 “over 156,000 annotations” 是三个不同的量：临床术语数 / 本体逻辑类数 / 疾病-表型边数。NAR 2021 的 15,247 terms 是历史时点精确值。引用时必须写明口径与时点，否则会出现"HPO 到底多大"的伪矛盾。

坑 2：官网首页残留旧文案 “over 13,000 terms”。抓取时点（2026-09-30）hp.jax.org 首页可见两处数字：导航文案写 “over 13,000 terms and over 156,000 annotations”，而页面正文写 “over 18,000 terms”。这是文案未同步更新所致。以正文/下载页为准；主会话 brief 若写 “>13,000 terms” 即取自旧文案，本条目已按实核更正为 18,000+。

坑 3：许可不是标准 CC BY。官网明确是"版权保护 + 三条件免费使用"（致谢引用、标注版本、不得改动内容与逻辑关系）。但 OBO Foundry、Schematica、HeTOP 等第三方目录多简化标注为 “CC BY 4.0”。合规以 hpo.jax.org/license 原文为准；特别是"不得改动逻辑关系"意味着不能自由演绎本体结构。

坑 4：HPO 不是数据集，别按数据集的字段去找。它没有"训练/测试划分"“患者数”"类别平衡"这类字段；交付物是 .obo/.owl/.json 与 .hpoa/.tsv。按"影像/信号数据集"的预期检索下载分片会一无所获。

坑 5：版本号双口径。HL7 TSMG 元数据记录版本 20251031（更新日期口径），HeTOP 目录记录 2025-09-01（快照口径）。引用应使用你实际下载文件内的 data-version，而非第三方目录的版本字段。

坑 6：论文卷期与在线日期不一致。NAR 2024 论文在线日期是 2023-11-11，但卷期标 2024;52(D1):D1333-D1346；NAR 2021 论文在线 2020-12-02，卷期 2021;49(D1):D1207-D1217。引用时按卷期年份著录，别被"在线日期"带偏。

坑 7：注解质量分层。NAR 2021 口径下 93,885/108,580（86.5%）的 OMIM 注解来自 Clinical Synopsis 文本挖掘，只有 14,695（13.5%）是团队人工策展。用 HPOA 训练模型时，挖掘注解携带的噪声不可忽略；严谨场景应区分两个子集。

坑 8：HPO ≠ Mondo ≠ OMIM ≠ GO。四者常被混谈：HPO 表型本体、Mondo 疾病本体、OMIM 疾病-基因知识库、GO 基因功能本体。本条目 §2.4、§8.1 逐一辨析。尤其 HPO 与 Mondo 是"表型 vs 疾病"的互补对，不是同一物的两个名字。

坑 9："phenotype"字样的库内条目撞名。库内 phenotype-annotations-mimic（rid 594）是危重症表型标注数据集，与 HPO 这个表型本体是不同物。检索"phenotype"时需按"本体 vs 标注数据"分类辨别，避免在本条目与 rid 594 之间误置互链语义。

FAQ（高频问答 30 问）

A. 基础认知

Q1：HPO 是数据集吗？
不是。它是本体 + 知识库（ontology + annotations）。交付物是文本格式的本体文件与注解表，不是图像/信号样本。按"AI-Ready 知识资源"归类。

Q2：名字里的 “Phenotype” 指什么？
表型——个体可观察的性状/异常，如"房间隔缺损"“发育迟缓”“癫痫发作”。HPO 标准化的是疾病相关的表型异常（phenotypic abnormalities）。

Q3：谁维护？
The Jackson Laboratory（JAX，美国），是 Monarch Initiative 的旗舰产品。2008 年由 Peter N. Robinson 等发起。

Q4：有多大？
官网（2026-09-30 实抓）称 18,000+ 术语、156,000+ 疾病表型注解。历史锚：NAR 2021 时点 15,247 terms。

Q5：发表在哪里？
创始论文 Am J Hum Genet 2008;83:610-615；之后是 NAR Database issue 年度更新（2014/2017/2019/2021/2024）。

Q6：术语长什么样？
HP:0001631 = Atrial septal defect（房间隔缺损），含 label、定义、同义词、xref、父节点。

Q7：注解是什么？
把疾病连到表型术语（HPOA）：如 Marfan 综合征 → 50+ 表型异常，含主动脉瘤 HP:0004942。

Q8：它解决什么问题？
临床表型的标准化与可计算化——让跨系统、跨语言、跨物种的表型数据能比较、检索、算相似度。

Q9：一句话卖点？
“把人类疾病表现变成计算机能算的东西”——罕见病基因组诊断软件的公共词汇底座。

Q10：它是标准吗？
是事实标准（de facto standard）与 GA4GH 基础设施组件，被广泛采用；不是 ISO/HL7 意义上的强制标准，但 Pheopacket 等正式标准在其上构建。

B. 数据与许可

Q11：怎么下载？
hpo.jax.org/data/ontology（本体 OBO/OWL/JSON）+ /data/annotations（HPOA/TSV），全部免费直链。

Q12：有哪些格式？
OBO（hp.obo）、OWL（hp.owl）、JSON（hp.json），以及注解表 phenotype.hpoa、genes_to_phenotype.txt、phenotype_to_genes.txt。

Q13：要注册/申请吗？
不用。无注册墙、无审批，直接下载。

Q14：什么许可？
免费开放，但是版权完整性三条件许可（致谢引用、标注版本、不得改动内容与逻辑关系），不是标准 CC BY。

Q15：能商用吗？
可以自由使用（含商用），但须满足上述三条件：正确引用、标注版本、不改动本体内容与逻辑；在线产品建议加 HPO 声明语与 logo。

Q16：能修改 HPO 吗？
不能自行改动内容或逻辑关系；增改须通过 GitHub issue tracker 提交建议，由 HPO 开发者采纳。

Q17：版本怎么固定？
用 GitHub releases 快照；引用时标注 data-version 与下载日期（许可条件二也要求标注版本）。

Q18：多久更新一次？
约每 2 个月一次 release；官网 News 公告最新更新。

C. 结构与内容

Q19：HPO 是什么结构？
有向无环图（DAG），根节点 HP:0000001，主根 HP:0000118（表型异常）。

Q20：有多少个逻辑定义？
NAR 2021 披露 6,154 个 OWL 逻辑定义，采用 uPheno/DOSDP 模式。

Q21：注解覆盖多少疾病？
NAR 2021 时点 7,801 个 OMIM 单基因病（+47 个 DECIPHER 染色体病）。

Q22：注解从哪来？
86.5% 来自 OMIM Clinical Synopsis 文本挖掘，13.5% 团队人工策展；另有 Orphanet/DECIPHER 与外部专家组贡献。

Q23：注解有修饰符吗？
有：发病年龄（onset）、频率（frequency）、性别倾向。

Q24：支持中文吗？
支持。中文版入口 chinahpo.net（Chinese HPO Consortium）；国际版 OWL 合并多语言标签。HPO 支持英语外至少 10 种语言。

Q25：术语之间有相似度吗？
有。基于 DAG 的信息含量（IC）计算，Resnik/Lin/Jiang-Conrath 等算法；患者-疾病相似度用 best-match/average 等聚合。

D. 应用与 AI

Q26：有哪些诊断工具用 HPO？
Exomiser（变异排序）、Phenomizer（鉴别诊断，现离线）、Genomiser（非编码变异）、LIRICAL（似然比诊断）、Profile Search（表型谱）。

Q27：和 EHR 怎么结合？
通过 GA4GH Phenopacket Schema 把 HPO 表型打包进标准；OMOP→OBO 映射（92,367 conditions 等）实现深度表型化。

Q28：对 LLM 有什么用？
表型 NER + 归一化、知识 grounding（减少幻觉）、结构化输出（让 LLM 输出 HP 术语/Phenopacket 而非自由文本）。

Q29：能训练表型识别模型吗？
能。HPO 的同义词、定义可作监督/提示素材；注解表可作检索知识库。注意区分挖掘注解与策展注解的噪声。

Q30：跨物种怎么用？
HPO↔MP（小鼠）↔ZP（斑马鱼）通过 uPheno 逻辑对齐，使动物模型表型可用于人类疾病基因发现（Exomiser 跨物种匹配）。

E. 工程与合规

Q31：生产系统怎么接 HPO 最稳？
①下载并固定某 release（hp.json 或 hp.obo + phenotype.hpoa）；②记录 data-version 与下载日期；③本地镜像，避免每次推理访问官网；④归一化管道与版本绑定；⑤输出/界面加 HPO 声明语与版本号。

Q32：许可要求"标注版本"，具体怎么标？
在公开展示 HPO 文件或其衍生物的地方，写明数据来源（HPO）、版本（如 release 2025-10-22）与获取 URL；在线产品另加 “uses the Human Phenotype Ontology (version …)” 声明语。

Q33：能把 HPO 改成自己的版本再发布吗？
不能。许可第 3 条禁止改动内容与逻辑关系；要增改须通过 GitHub issue tracker 提交建议，由 HPO 开发者采纳后进入官方 release。可以在自己系统内部做"映射/扩展层"，但不能改 HPO 原文件本身。

Q34：HPO 与 Mondo 该一起用吗？
推荐一起用：疾病身份用 Mondo（或 OMIM/ORPHA），表型描述用 HPO。Mondo 本身也大量引用 HPO 描述疾病表型，两者天然协同。Mondo 目前不在本库池内。

Q35：做中文医疗 NLP，用 chinahpo 还是英文 hp.obo？
建议以国际版/英文主版本为规范 ID 源（HP CURIE 稳定），用中文译本做标签与匹配辅助；避免直接以中文别名建立内部 ID（会破坏与主版本的对照）。

Q36：HPO 术语会废弃吗？
会。本体演进中术语可能合并或弃用，官方用 alt_id 保留历史 ID 映射。生产系统升级版本时应处理 alt_id 迁移，避免断链。

Q37：能直接用 HPO 训练模型吗？
可以——同义词/定义作监督或提示素材，注解表作检索知识库；但注意区分挖掘注解与策展注解的噪声（坑 7）。

Q38：为什么 HPO 不是 HL7/ISO 强制性标准？
HPO 是事实标准与 GA4GH 基础设施组件，遵循 OBO Foundry 规范；强制标准（如 HL7 FHIR）在其上构建（Phenopacket/FHIR Genomics），而非替代。多数场景引用 HPO 无需强制标准背书。

Q39：HPO 与 SNOMED CT 能互换吗？
不能，但可映射。SNOMED CT 覆盖全临床概念（诊断、操作、解剖……），HPO 聚焦表型；两者通过 xref 互链。做表型分析用 HPO，做全病历编码用 SNOMED CT。

Q40：如果只记一件事？
HPO 是"人类表型的公共坐标系"——凡是把临床描述变成可计算表型的 AI 应用，几乎都要经过它；它免费、标准化、机构化维护，但受"不得改动"的完整性许可约束。

---

事实清单（硬事实 40 条）

1. HPO 全称 Human Phenotype Ontology（人类表型本体），CURIE 前缀 HP（如 HP:0001631 房间隔缺损）。
2. 立项于 2008 年，创始论文 Robinson 等，Am J Hum Genet 2008;83(5):610-615，doi:10.1016/j.ajhg.2008.09.017（PMID 18950739）。
3. 维护机构 The Jackson Laboratory（JAX，美国）；是 Monarch Initiative 旗舰产品。
4. 官方站 https://hpo.jax.org/ ；历史域 http://www.human-phenotype-ontology.org/ 。
5. 官网（2026-09-30 实抓）称 over 18,000 terms、over 156,000 annotations to hereditary diseases。
6. 官网首页导航旧文案仍写 “over 13,000 terms”（与正文 18,000 并存，文案未更）。
7. NAR 2021 论文（doi:10.1093/nar/gkaa1043，PMID 33264411，PMC7778952）：2020-09-15 时点 15,247 terms（较上次 +9.3%）。
8. NAR 2021：OMIM 疾病注解 108,580 条，覆盖 7,801 个疾病，均 13.9 注解/病。
9. NAR 2021：93,885/108,580（86.5%）注解来自 OMIM Clinical Synopsis 文本挖掘；14,695（13.5%）为团队策展。
10. NAR 2021：DECIPHER 染色体病注解 296 条（47 病，均 6.2 注解/病）。
11. NAR 2021：6,154 个 OWL 逻辑定义（uPheno/DOSDP 对齐）。
12. NAR 2024 论文（doi:10.1093/nar/gkad1005，PMID 37953324，PMC10767975）：较 2020-10 release 新增 2,239 terms、49,235 annotations。
13. NAR 2024：+612 定义更新、+1,377 新同义词；177 位作者，通讯 Peter N. Robinson（JAX）。
14. NAR 2024 标题 “phenotypes around the world”；HPO 浏览器国际化，英语外至少 10 种语言。
15. HPO 结构为有向无环图（DAG），根节点 HP:0000001，主根 HP:0000118（Phenotypic abnormality）。
16. OBO Foundry 目录记录 HP 有 23,095 classes，最大深度 16。
17. 三条注解/关联文件：phenotype.hpoa、genes_to_phenotype.txt、phenotype_to_genes.txt。
18. 三种本体格式：OBO（hp.obo）、OWL（hp.owl）、JSON（hp.json）。
19. 下载入口：https://hpo.jax.org/data/ontology 与 /data/annotations，免费直链无注册墙。
20. 许可：免费开放 + 版权完整性三条件（①致谢并引用 ②标注日期/版本 ③不得改动内容与逻辑关系），hpo.jax.org/license 原文。
21. 论文文本许可：NAR 2021/2024 均为 CC BY 4.0。
22. 第三方目录（OBO Foundry/Schematica/HeTOP）简化标注为 CC BY 4.0（以官网三条件为准）。
23. 版本双口径：HL7 TSMG 记录 20251031；HeTOP 记录 2025-09-01。
24. 发布节奏：约每 2 个月一次（HL7 元数据记录口径）；官网 News 最近 “October Data Update” 2025-10-22。
25. HPO 是 GA4GH（全球基因组学与健康联盟）13 个 driver projects 之一的中心组件。
26. GA4GH Phenopacket Schema 是表型数据交换国际标准，HPO 是其词汇层。
27. 官方推荐工具：Exomiser（变异排序，含跨物种）、Phenomizer（鉴别诊断，现 [Offline]）、Genomiser（非编码变异）、Profile Search（表型谱）。
28. 跨物种对齐：HPO ↔ MP（小鼠）↔ ZP（斑马鱼），经 uPheno 模式。
29. OMOP→OBO 映射：92,367 conditions、8,611 drug ingredients、10,673 measurement results。
30. 多语言入口：中文 chinahpo.net；国际版 OWL purl.obolibrary.org/obo/hp/hp-international.owl；翻译仓库 obophenotype.github.io/hpo-translations/。
31. 翻译工具链：Babelon（monarch-initiative/babelon）、LinkML。
32. 质控：使用 ROBOT（OBO 工具）自动化检查 + 自定义管道。
33. 癫痫子本体按 ILAE 指南重构，NAR 2021 声明已显示临床有效性。
34. 中文维护：Chinese HPO Consortium（NAR 2024 作者含 Gu Weihong，北京）。
35. Lyfe Languages 项目把 HPO 翻译为原住民语言以改善沟通。
36. 创始论文之外，NAR 更新年份为 2014/2017/2019/2021/2024。
37. 疾病注解主要面向 OMIM 单基因（孟德尔）病——覆盖偏置的根源。
38. HPO 与 Mondo（疾病本体）互补非同物：疾病用 Mondo ID，表型用 HPO。
39. HPO 与 GO（基因功能本体）互补：功能 vs 表型。
40. 库内查重：url_name ILIKE '%hpo%' 与 '%human-phenotype%' 均 0 行，不撞库。

---

术语表（36 条）

术语	释义
Ontology（本体）	对某领域概念及其关系的显式、形式化规范；HPO 是表型本体
Phenotype（表型）	个体可观察的性状/异常，如房间隔缺损、发育迟缓
HPO term（HPO 术语）	本体中的一个类，唯一 CURIE 如 HP:0001631
CURIE	Compact URI，如 HP:0001631；HP = Human Phenotype 前缀
DAG（有向无环图）	HPO 的拓扑结构；术语可有多条上位路径
Root（根节点）	HP:0000001（All）；主根 HP:0000118（Phenotypic abnormality）
is_a	本体上位关系（子类-父类）
label / definition / synonym	术语规范名 / 文本定义 / 同义词
xref（交叉引用）	到 SNOMED CT/UMLS/MeSH 等外部术语的映射
logical definition（逻辑定义）	OWL 等价类公理，uPheno/DOSDP 模式
TBox / ABox	术语层（本体结构）/ 实例层（注解）
HPOA	Human Phenotype Ontology Annotations，疾病-表型注解语料
Annotation（注解）	疾病 → 表型术语的关联，含 onset/frequency/sex 修饰
Modifier（修饰符）	注解附加信息：发病年龄、频率、性别
Inheritance（遗传方式）	孟德尔遗传模式（常染色体显性/隐性、X 连锁等）
OMIM	Online Mendelian Inheritance in Man，疾病-基因权威目录（HPO 注解主要来源）
Orphanet	欧洲罕见病目录，与 HPO 合作注解
DECIPHER	染色体病/基因组变异数据库，贡献 HPO 注解
OMIM Clinical Synopsis	OMIM 条目中的临床摘要段，HPO 挖掘注解的来源
Phenotype-driven diagnosis	表型驱动的鉴别诊断：按临床特征排序候选疾病
Semantic similarity（语义相似度）	基于本体结构量化术语/集合相似度（Resnik/Lin 等）
Information Content（IC）	术语信息量，由注解频次估计，相似度算法基础
Deep phenotyping（深度表型）	从 EHR 系统提取可计算的表型特征
EHR	电子健康记录
OMOP	观察性医疗数据通用模型（OHDSI）
GA4GH	全球基因组学与健康联盟
Driver project	GA4GH 战略路线图中的核心驱动项目（HPO 所属之一）
Phenopacket	GA4GH 表型数据交换标准格式，HPO 为其词汇层
Exomiser	变异致病性排序工具（含跨物种表型匹配）
Phenomizer	表型驱动鉴别诊断工具（现离线）
Genomiser	非编码变异分析工具
LIRICAL	基于似然比的表型驱动诊断工具
Monarch Initiative	NIH 支持的跨物种表型-基因型语义整合联盟，HPO 母项目
MAxO	Medical Action Ontology，医学措施/治疗本体（HPO 团队新作）
Mondo	疾病本体（与 HPO 互补，库内未入池）
OBO Foundry	开放生物医学本体铸造厂，HPO 成员
ROBOT	OBO 工具集，HPO 质控使用
uPheno	跨物种表型本体协调模式
MP / ZP	小鼠 / 斑马鱼表型本体
BMI	Best Match Identity，患者-疾病相似度聚合策略之一
Babelon	本体翻译管理标准工具（Monarch Initiative）

附录

附录 A：条目信息速查卡

项	值
条目名	Human Phenotype Ontology
url_name	hpo
类型	生物医学本体 + 疾病表型知识库（知识资源）
本体前缀	HP
维护	The Jackson Laboratory（JAX）/ Monarch Initiative
立项	2008
规模	18,000+ 术语 / 156,000+ 注解（官网 2026-09-30）
格式	OBO / OWL / JSON
许可	版权完整性三条件免费许可（论文 CC BY 4.0）
抓取时点	2026-09-30
库内互链	gene-ontology(441)/chebi(314)/omim(159)/ncbi-disease(425)/disgenet(449)/clingen(523)/snomed-ct(557)/umls(558)/loinc(559)/meddra(579)/rxnorm(578)/hgnc(577)/pharmgkb(374)/phenotype-annotations-mimic(594)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	9	官网+GitHub+OBO Foundry+多个第三方目录（HL7/HeTOP/CiNii/FAIRsharing）全面可检索；NAR 年度论文开放获取
A 可获取性	10	本体与注解文件全免费直链、无注册墙无审批；三格式全覆盖——知识资源可获取性的顶配
I 可互操作	9	OBO/OWL/JSON 标准格式 + xref 到 SNOMED CT/UMLS/MeSH + Phenopacket 词汇层 + 跨物种 uPheno；扣分在译本覆盖不均
M 元数据质量	8	术语定义/同义词/xref 完备，NAR 论文表格齐全；但官网首页残留旧文案（坑 2）、术语数三口径（坑 1）微降分
S 可持续性	9	JAX 机构化维护 + NIH 多年资助 + 15+ 年历史 + 2 个月发布节奏 + 国际联盟参与；长期稳定
综合评级	9.0/10（优秀）	知识资源类条目的标杆：开放、标准、机构化、长期维护；唯一需注意的是完整性许可的再分发约束

附录 C：逐项证据链自证

关键数字	来源	位置
18,000+ terms / 156,000+ annotations	hpo.jax.org 首页正文	官网实抓 2026-09-30
15,247 terms（2020-09-15）	NAR 2021 论文	PMC7778952 正文
108,580 注解 / 7,801 疾病 / 13.9 均值	NAR 2021 论文	PMC7778952 正文
93,885 挖掘 / 14,695 策展（13.5%）	NAR 2021 论文	PMC7778952 正文
6,154 OWL 逻辑定义	NAR 2021 论文	PMC7778952 正文
2,239 terms / 49,235 annotations 新增	NAR 2024 摘要	PMC10767975 / EuropePMC
10+ 语言	NAR 2024 摘要	PMC10767975
177 作者 / CC BY 4.0	NAR 2024 全文本	EuropePMC fullTextXML
三条件许可原文	hpo.jax.org/license	官网实抓
23,095 classes / depth 16	OBO Foundry 目录	library.schematica.io
版本 20251031	HL7 TSMG 元数据	terminology.hl7.org
版本 2025-09-01	HeTOP 目录	hetop.eu
OMOP→OBO 92,367/8,611/10,673	NAR 2024 全文本	EuropePMC fullTextXML
13 driver projects	hpo.jax.org 首页	官网实抓

附录 D：下载与接入决策树

你要做什么？
├── 只是读/引用 HPO 概念
│   └── 浏览器 https://hpo.jax.org/browse 或下载 hp.obo 本地检索
├── 接入 AI/分析管线
│   ├── 1) 下载 hp.json（现代应用）或 hp.obo（传统工具）
│   ├── 2) 下载 phenotype.hpoa 作知识库
│   ├── 3) 记录 data-version（许可要求 + 复现）
│   └── 4) 建术语索引 + 归一化管道（见附录 G 骨架）
├── 需要多语言（含中文）
│   └── chinahpo.net（中文）/ hp-international.owl / hpo-translations 仓库
├── 需要逻辑推理
│   └── hp.owl + Protégé/ELK 等 reasoner
└── 需要固定版本做基准
    └── GitHub releases 取某 release 快照，全流程锁定

附录 E：HP 术语记录字段表（OBO 格式）

字段	含义	例
id	术语 CURIE	HP:0001631
name	规范名	Atrial septal defect
def	文本定义	“An abnormal …” [PMID:…]
synonym	同义词	ASD, Interatrial septal defect
xref	外部交叉引用	UMLS:C0018817, SNOMEDCT_US:…
is_a	上位关系	HP:0001627 ! Abnormal heart morphology
intersection_of	逻辑定义成分	用于等价类
alt_id	历史 ID	合并术语的旧标识
comment	注释	编辑说明

附录 F：HPOA 注解表字段表

列	含义
database_id	疾病来源（OMIM/ORPHA/DECIPHER）
disease_name	疾病名
qualifier	关系限定（NOT 等）
hpo_id	表型术语 CURIE
db	表型来源
reference	证据文献
evidence	证据代码
onset	发病年龄修饰
frequency	频率修饰
sex	性别修饰
modifier	其他修饰
aspect	表型维度（P=表型）
biocuration	策展状态

附录 G：本地统计 HPO 术语数骨架（Python）

# 统计 hp.obo 中的 [Term] 数量与版本行（不使用任何第三方库）
def hpo_stats(path="hp.obo"):
    n_terms, version, data_version = 0, None, None
    with open(path, encoding="utf-8") as fh:
        for line in fh:
            line = line.rstrip("\n")
            if line.startswith("[Term]"):
                n_terms += 1
            elif line.startswith("data-version:"):
                data_version = line.split(":", 1)[1].strip()
            elif line.startswith("version:"):
                version = line.split(":", 1)[1].strip()
    # 许可要求：任何展示都须带 data_version/version
    return {"terms": n_terms, "data_version": data_version, "version": version}

附录 H：表型归一化管道骨架（Python 伪代码）

# 临床文本 -> HP 术语（同义词精确匹配 + 定义语义匹配的极简示意）
import json

def load_index(hp_json="hp.json"):
    data = json.load(open(hp_json, encoding="utf-8"))
    syn2id = {}
    for node in data["graphs"][0]["nodes"]:
        hp_id = node["id"]
        for lbl in [node.get("lbl")] + node.get("meta", {}).get("synonyms", []):
            if lbl:
                syn2id.setdefault(lbl.strip().lower(), hp_id)
    return syn2id

def normalize_mention(text, syn2id):
    key = text.strip().lower()
    if key in syn2id:                      # 精确/同义词命中
        return syn2id[key]
    # 未命中：走嵌入相似度或 LLM 归一化（此处略）
    return None

附录 I：DAIMS 五维释义（供本体类条目复用）

• D 可发现性：能否被检索到（搜索引擎、目录、论文索引）。
• A 可获取性：能否实际下载到（直链/注册/申请/付费）。
• I 可互操作：格式是否标准、能否与外部系统对接。
• M 元数据质量：描述是否完备、是否自洽、文档是否齐全。
• S 可持续性：维护机构、资助、发布节奏、长期存续能力。

附录 J：许可合规检查单（HPO 专用）

#	检查项	动作
1	致谢与引用	输出/论文引用 HPO Consortium 与对应 NAR 论文
2	版本标注	公开展示的文件标注 date/version
3	不改动	不修改文件内容或逻辑关系；增改走 issue tracker
4	在线声明	产品加入 “uses the Human Phenotype Ontology (version)” 声明语
5	Logo	建议展示 HPO logo
6	论文 vs 本体	论文文本 CC BY 4.0；本体文件走三条件许可——分开处理

附录 K：HPO 与相近资源对照表

资源	类型	回答的问题	库内 rid
HPO	表型本体	疾病表现出什么？	本条目
Mondo	疾病本体	疾病如何分类？	未入池
OMIM	疾病-基因目录	哪个基因导致哪个病？	159
GO	基因功能本体	基因产物做什么？	441
ChEBI	化学实体本体	这是什么化学物质？	314
SNOMED CT	临床术语系统	临床概念如何编码？	557
UMLS	术语元词表	不同术语系统如何映射？	558
DisGeNET	基因-疾病关联	证据强度如何？	449
ClinGen	基因-疾病有效性	关联是否临床有效？	523

附录 L：引用规范（BibTeX）

@article{robinson2008hpo,
  title   = {The Human Phenotype Ontology: a tool for annotating and
             analyzing human hereditary disease},
  author  = {Robinson, Peter N. and K{\"o}hler, Sebastian and Bauer, Sebastian
             and Seelow, Dominik and Horn, Denise and Mundlos, Stefan},
  journal = {The American Journal of Human Genetics},
  volume  = {83}, number = {5}, pages = {610--615}, year = {2008},
  doi     = {10.1016/j.ajhg.2008.09.017}
}

@article{kohler2021hpo,
  title   = {The Human Phenotype Ontology in 2021},
  author  = {K{\"o}hler, Sebastian and Gargano, Michael and Matentzoglu, Nicolas
             and others},
  journal = {Nucleic Acids Research},
  volume  = {49}, number = {D1}, pages = {D1207--D1217}, year = {2021},
  doi     = {10.1093/nar/gkaa1043}
}

@article{gargano2024hpo,
  title   = {The Human Phenotype Ontology in 2024: phenotypes around the world},
  author  = {Gargano, Michael A. and Matentzoglu, Nicolas and Coleman, Ben and others},
  journal = {Nucleic Acids Research},
  volume  = {52}, number = {D1}, pages = {D1333--D1346}, year = {2024},
  doi     = {10.1093/nar/gkad1005}
}

附录 M：检索路径示范

目标	推荐查询式	预期命中
本体下载	site:hpo.jax.org download ontology / obo	hpo.jax.org/data/ontology
术语查定义	“HP:0001631” OR “Atrial septal defect HPO”	HPO 浏览器
创始论文	Robinson “Human Phenotype Ontology” 2008 AJHG	doi:10.1016/j.ajhg.2008.09.017
最新更新	“Human Phenotype Ontology in 2024”	NAR 52(D1):D1333
疾病注解	phenotype.hpoa download	hpo.jax.org/data/annotations
中文版	Chinese HPO / 中文人类表型本体	chinahpo.net
反例（勿混）	HPO 当影像数据集下载分片	无命中（坑 4）

附录 N：双口径登记表

#	项	口径 A	口径 B	处理
1	术语数	over 18,000（官网正文）	over 13,000（官网旧文案）/ 15,247（NAR2021）	按正文 18,000+，旧文案存照（坑 2）
2	规模口径	18,000+ terms	23,095 classes	分列术语/类口径（坑 1）
3	许可标注	三条件完整性许可（官网）	CC BY 4.0（第三方目录）	按官网（坑 3）
4	版本号	20251031（HL7）	2025-09-01（HeTOP）	按实下文件 data-version（坑 5）
5	论文年份	卷期年（2021/2024）	在线日期（2020-12/2023-11）	按卷期著录（坑 6）

附录 O：坑点档案（与 §10 对照）

坑	一句话档案	触发场景
坑 1	术语/类/注解三口径混引	引用规模
坑 2	官网旧文案 “13,000” 残留	自动化抓取
坑 3	许可非标准 CC BY	合规/再分发
坑 4	按数据集预期找 HPO	检索/选条
坑 5	版本号双口径	版本固定
坑 6	论文卷期 vs 在线日期	著录
坑 7	注解质量分层（挖掘 vs 策展）	训练/评测
坑 8	HPO≠Mondo≠OMIM≠GO	家族辨析
坑 9	phenotype 字样撞 rid 594	互链/检索

附录 P：维护计划与触发点

触发点	条件	动作	优先级
术语数更新	官网改 “over N terms”	更新 §4/INFOBOX/事实清单	1
新 NAR 论文	出现 2027 版 HPO NAR	§2.3 时间线 + 事实清单扩行	2
许可变更	hpo.jax.org/license 修订	§6.3 重写	3
Mondo 入池	库内新增 Mondo 条目	§8/§9 补互链	4
官网文案修正	旧 “13,000” 被清理	坑 2 存档更新	5

附录 Q：AI-Ready 检查单（知识资源版）

检查项	状态	说明
机器可读格式	✅	OBO/OWL/JSON + TSV
公开直链	✅	官网三格式全直链
无注册墙	✅	下载无门槛
许可明确	⚠️	明确但非标准 CC（完整性三条件），需读懂原文
版本可固定	✅	GitHub releases
版本须标注	⚠️	许可条件二强制要求
术语永久标识	✅	HP CURIE 稳定
跨系统互操作	✅	xref + Phenopacket
多语言	⚠️	10+ 语言但覆盖不均
社区活跃	✅	2 个月发布节奏 + 联盟协作

附录 R：本条目生产档案

• 生产通道：agent-c-hpo，正选 slug hpo，无备选（存在性核验通过，无需改道）
• 存在性核验：WebSearch×5（HPO 术语数/规模、NAR 2021、最新 release、许可、CC BY）+ 官网实抓×3（hpo.jax.org 首页 / data/ontology / license）+ PMC 全文抓取（PMC7778952 2021）+ EuropePMC API + fullTextXML（PMC10767975 2024）+ HL7/HeTOP/OBO Foundry/Schematica 第三方目录交叉核对
• slug 查重：DB url_name ILIKE '%hpo%' / '%human-phenotype%' 均 0 行；ls writing/ 无 hpo 目录
• FACTS.md：writing/hpo/FACTS.md 九节
• 成稿方式：五块直写私有区（part1-5）后 cat 拼接，每 part 尾部留空行（接缝教训）
• 坑点：§10 九则（坑 1-9"坑 N："编号制）
• description：成稿时即 ≤170 字符
• 互链计划：正文内链 gene-ontology(441)/chebi(314)/omim(159)/disgenet(449)/snomed-ct(557)/umls(558)/phenotype-annotations-mimic(594) 等

附录 S：缩写速查

缩写	全称
HPO	Human Phenotype Ontology
HP	HPO 本体前缀（CURIE）
HPOA	Human Phenotype Ontology Annotations
DAG	Directed Acyclic Graph（有向无环图）
OBO	Open Biological and Biomedical Ontologies（格式/铸造厂）
OWL	Web Ontology Language
GO	Gene Ontology
ChEBI	Chemical Entities of Biological Interest
MAxO	Medical Action Ontology
OMIM	Online Mendelian Inheritance in Man
ORPHA	Orphanet 疾病编码前缀
DECIPHER	DatabasE of genomiC varIation and Phenotype in Humans using Ensembl Resources
GA4GH	Global Alliance for Genomics and Health
EHR	Electronic Health Record
OMOP	Observational Medical Outcomes Partnership
IC	Information Content
UMLS	Unified Medical Language System
SNOMED CT	Systematized Nomenclature of Medicine—Clinical Terms
MeSH	Medical Subject Headings
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability
MP	Mammalian Phenotype（小鼠表型本体）
ZP	Zebrafish Phenotype（斑马鱼表型本体）
NAR	Nucleic Acids Research
JAX	The Jackson Laboratory
PIP	Pictorial Information Processing（本条目未用，占位）

附录 T：HPO 术语查询示例（CURIE 与常用根节点）

CURIE	label	说明
HP:0000001	All	全本体根节点
HP:0000118	Phenotypic abnormality	表型异常主根
HP:0001631	Atrial septal defect	房间隔缺损（官网页示例）
HP:0001626	Abnormality of the cardiovascular system	心血管系统异常
HP:0001627	Abnormal heart morphology	心脏形态异常
HP:0001250	Seizure	癫痫发作（ILAE 重构子本体）
HP:0001263	Global developmental delay	全面发育迟缓
HP:0004942	Aortic aneurysm	主动脉瘤（NAR2021 示例）
HP:0001508	Failure to thrive	生长发育迟滞
HP:0003281	Hypernatremia	高钠血症（NAR2024 图示例）
HP:0040279	Frequency	频率修饰术语

上表只作"术语长什么样"的示意；实际使用请以官方 hp.obo/hp.json 为准（术语可能随时间调整标签）。

附录 U：HPO 与"影像/信号数据集"的字段对照（防误用）

数据集常见字段	HPO 中的对应物
样本数（subjects）	不适用；改看"注解覆盖疾病数"（7,801+）
类别/标签	表型术语（HP CURIE）
train/val/test 划分	不适用；本体无划分概念
标注一致性	本体用逻辑一致性质控（ROBOT），非标注者一致性
患者人口学	不适用；注解中有"性别修饰"但不含患者级数据
文件格式	OBO/OWL/JSON + HPOA/TSV（非图像分片）
许可	版权完整性三条件（非标准 CC）
版本	约每 2 个月 release；data-version 字段

这张表的意义：让按"数据集"预期检索的人一眼看出 HPO 的字段完全不同，避免用错误的元数据模板套用（坑 4）。

附录 V：常见下游任务的 HPO 接入点速查

任务	HPO 接入点	依赖的 HPO 资产
罕见病诊断排序	患者术语集 → 疾病相似度	HPOA 注解 + DAG
变异优先级排序	表型匹配基因-疾病	genes_to_phenotype + 注解
表型 NER	同义词/定义作词典	术语 label/synonym/def
表型归一化	提及 → HP CURIE	术语 + 同义词 + xref
深度表型（EHR）	OMOP 概念 → HPO	OMOP→OBO 映射
跨物种基因发现	HPO↔MP↔ZP	uPheno 逻辑定义
表型数据交换	Phenopacket 词汇层	术语 CURIE
LLM grounding/RAG	注解可检索事实库	HPOA

附录 W：检索卫生三条

1. 凡见到 “HPO contains over N terms” 的表述，先确认 N 与抓取时点——官网用 “over” 滚动披露，旧文案残留（13,000）与新正文（18,000）并存。
2. 凡见到 “HPO is licensed CC BY” 的表述，核对其来源——官方是完整性三条件许可，第三方目录才写 CC BY（坑 3）。
3. 凡见到把 HPO 当"数据集"下载分片的教程，视为过时或误解——HPO 交付物是本体与注解文本文件（坑 4）。

附录 X：本条目自检记录

检查项	结果
check_md.py	PASS（行数、章节、DAIMS、坑点、category_tags 受控词表全过）
preflight_check.py	0 ERROR / 0 WARN（无锚点重复、无标题双写）
category_tags	[“基因组学与多组学”,“医疗NLP”,“知识图谱”,“变异与注释”,“罕见病”,“评测基准”]（6 个，均在受控词表内）
description 长度	≤170 字符
title 站点后缀	含"
schema_org	cr:RecordSet 节点式；URL 占位 qianfanghub.com/ai-ready-dataset/hpo/747
坑点编号制	坑 1-9（≥5）

附录 Y：并发写入事故附记（生产留痕）

本条目生产过程中发生一起同名代理双实例互写事故，按纪律包"apollocorpus 五步处置"处理并附记如下，供调度侧改进参考：

• 事故现象：私有区 .parts_agent-c-hpo_1790770291/ 在写入过程中出现非本实例创建的文件（part2b.md、part4b.md），且 part3.md、part4.md 的内容被替换为另一实例撰写的版本（章节标题"§5 应用场景与任务图谱""§7 获取与许可"与本实例原稿不符）。
• 根因：私有区路径由 slug + 代理名 + 时间戳 派生，本实例的 $(date +%s)=1790770291 与另一并行实例的目录时间戳高度接近（同批次派发），同名代理 + 相近时间戳导致命名空间碰撞。
• 五步处置：①改用带 _v2 后缀的新隔离目录 .parts_agent-c-hpo_1790770669_v2/；②对旧目录逐文件 md5 + 特征串鉴别归属（AI-Ready Wikipedia | 千方病案医数集、§2 身份、谱系与时间线、4.6 增长曲线的三个观察、避坑清单：九个已踩过的坑 等本实例独有串）；③对本实例确认归属的 part1/part2/part5 原样迁入，对已确认被覆写的 part3/part4 全量重写；④按显式文件顺序（part1→part2→part3→part4→part5）重拼，核对章节序 §0-§10 连续；⑤本附记留痕。
• 10 秒 md5 稳定性采样：迁移前对旧目录采样两次（间隔 10s），md5 一致（a2ead5f3483b20fb2cd95d0fd5b4d4ea），确认另一实例已停止写入后才操作。
• 调度侧建议：同批派发控制在 6 个以内（本批次可见 justraigs / mondo / oimhs 等多个带时间戳私有区并行）；同一 slug 绝不双实例；私有区时间戳后缀建议加随机位以进一步降低碰撞概率。

附录 Z：为什么把 HPO 立为"知识资源"条目而非"数据集"条目

维度	数据集条目（如 PANDA-PLUS）	HPO（本条目）
核心资产	样本（图像/信号/表格）	本体 + 注解（概念与关系）
核心字段	患者数/类别/划分	术语数/类数/注解数/深度
质量指标	标注一致性/类别平衡	逻辑一致性/定义覆盖率
用途	训练/评测模型	提供语义坐标与 grounding
版本	通常一次性发布	持续滚动 release
获取	常含注册/申请	全直链

把 HPO 按"AI-Ready 知识资源"口径立条的实践意义：它提醒读者——医疗 AI 的燃料不只是样本，还有语义。没有 HPO 这类本体，"表型"就无法进入机器学习流水线；有了它，样本与语义才构成完整的 AI-Ready 生态。本条目与库内数据集条目互补，共同构成"数据 + 知识"的双轨。

附录 AA：HPO 常见误解澄清表

误解	事实
“HPO 是一个患者数据库”	不是。它不含患者级数据，只有术语与疾病表型注解
“HPO 就是 OMIM 的表型版”	不完全是。OMIM 是其注解主要来源，但 HPO 还整合 Orphanet/DECIPHER 并可独立扩展
“HPO 和 SNOMED CT 二选一”	不冲突。SNOMED CT 全临床概念，HPO 聚焦表型，二者通过 xref 互补
“HPO 是 CC BY 可以随意改”	不能改。许可禁止改动内容与逻辑关系（完整性保护）
“HPO 只在罕见病有用”	罕见病是主战场，但深度表型/OMOP 映射使其在常见病 EHR 分析中也有用
“HPO 术语永远不变”	会变。术语可能合并/弃用，用 alt_id 映射；生产须锁版本
“下载一次就够”	约每 2 个月 release，需规划升级

附录 AB：生产资产清单

资产	路径	说明
FACTS.md	writing/hpo/FACTS.md	九节事实档案
成稿	writing/hpo/hpo_Wikipedia.md	本文件
私有区（v2）	writing/hpo/.parts_agent-c-hpo_1790770669_v2/	五 part 源文件（本实例隔离区）
锁文件	writing/hpo/.lock	agent-c-hpo 租约

---

尾注

本条目为 AI-Ready Wikipedia 知识资源条目，生产于 2026-09-30，抓取与核验时点见附录 A。事实陈述以 HPO 官网（hpo.jax.org 首页 / data/ontology / license）、NAR 2021 论文（PMC7778952）、NAR 2024 论文（PMC10767975，doi:10.1093/nar/gkad1005）与 HL7/HeTOP/OBO Foundry 第三方目录为源，三源互证。术语数三口径（18,000+ terms / 23,095 classes / 156,000+ annotations）、官网旧文案残留（13,000）、许可标注分歧、版本号双口径、论文卷期与在线日期差异均在 §10 坑点与附录 N 存照。条目与库内 gene-ontology(441)、chebi(314)、omim(159)、ncbi-disease(425)、disgenet(449)、clingen(523)、snomed-ct(557)、umls(558)、loinc(559)、meddra(579)、rxnorm(578)、hgnc(577)、pharmgkb(374)、phenotype-annotations-mimic(594) 等条目互链，构成"基因-功能-表型-疾病-术语"完整语义网络。后续维护触发点见附录 P。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• omim — 共享标签：基因组学与多组学 / 医疗NLP / 知识图谱 / 罕见病
• mondo — 共享标签：基因组学与多组学 / 医疗NLP / 知识图谱 / 罕见病
• clinvar — 共享标签：基因组学与多组学 / 变异与注释 / 罕见病
• reactome — 共享标签：基因组学与多组学 / 医疗NLP / 知识图谱
• gene-ontology — 共享标签：基因组学与多组学 / 医疗NLP / 知识图谱
• clingen — 共享标签：基因组学与多组学 / 变异与注释 / 罕见病
• gnomad — 共享标签：基因组学与多组学 / 变异与注释 / 罕见病
• decipher — 共享标签：基因组学与多组学 / 变异与注释 / 罕见病
• hgnc — 共享标签：基因组学与多组学 / 医疗NLP
• pharos — 共享标签：基因组学与多组学 / 医疗NLP / 知识图谱

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。