CancerGPT: 利用大型预训练语言模型进行少样本药物配对协同作用预测

Apr, 2023

CancerGPT: 利用大型预训练语言模型进行少样本药物配对协同作用预测

CancerGPT: Few-shot Drug Pair Synergy Prediction using Large Pre-trained Language Models

Tianhao Li, Sandesh Shetty, Advaith Kamath, Ajay Jaiswal, Xianqian Jiang...

TL;DR本研究利用大型预训练语言模型进行无多样本协同抗癌药物研究，其中提出了 CancerGPT 模型，并取得了较好的实验效果，该模型对于生物反应预测任务具有应用潜力。

Abstract

large pre-trained language models (LLMs) have been shown to have significant potential in few-shot learning across various fields, even with minimal training data. However, their ability to generalize to unseen t

large pre-trained language models few-shot learning biology drug pairs cancergpt

发现论文，激发创造

SynerGPT: 基于上下文学习的个性化药物协同效应预测和药物设计

预测协同药物组合有助于加快癌症治疗的发现，特别是通过活体检测的细胞对患者进行个体化治疗。本文提出了一种新的背景下药物协同学习的设置和模型，利用既有的 “个性化数据集” 来预测在该背景下的其他药物协同关系。该模型结合遗传算法优化模型提示并选择协同候选药物进行测试，最终探索了逆向药物设计的新任务，有潜力设计与特定患者的 “个性化数据集” 相契合的药物。本研究对精准肿瘤医学可能产生重要影响，同时也引发了关于非文本预训练语言模型的有趣问题。

Jun, 2023

大型语言模型与监督建模在乳腺癌病理分类中零样本推理的比较研究

通过对 769 份乳腺癌病理报告进行人工标注的数据集的研究，我们比较了 GPT-4 模型和 GPT-3.5 模型的零样本分类能力与三种模型架构的监督分类性能，发现 GPT-4 模型在所有 13 个任务中要么显著优于要么与最佳监督模型的 LSTM-Att 模型相当（平均宏 F1 得分为 0.83 vs. 0.75）。研究还表明，如果难以使用大规模标注数据集，LLMs 可以减轻数据标注的负担，但使用带有大规模标注数据集的简单监督模型也可以提供可比较的结果，LLMs 可以加快临床自然语言处理研究的执行速度，提高 NLP 变量和结果在临床观察研究中的利用率。

Jan, 2024

利用大型语言模型为患者匹配临床试验

研究使用大型语言模型（LLMs）协助患者和转诊医生从广泛的选择中筛选适合的临床试验，并评估了 TrialGPT 在 184 名患者和 18,238 个注释临床试验的实验结果，表明其高准确性和排名排除不合格候选试验的有效性。

Jul, 2023

大型语言模型进行科学假设生成的实验室验证：在乳腺癌治疗中的应用

通过实验测试，我们发现大型语言模型是一种令人兴奋的新型科学假设来源，并成功应用于乳腺癌治疗领域来生成新的、与非肿瘤性乳腺细胞系 MCF10A 相比针对 MCF7 乳腺癌细胞系的 FDA 批准的非癌症药物组合，并发现多个具有积极协同效应的药物组合。

May, 2024

PharmGPT：面向生物制药和化学领域的特定领域大型语言模型

PharmGPT is a suite of multilingual LLMs specifically trained on a comprehensive corpus tailored to the Bio-Pharmaceutical and Chemical sectors, demonstrating exceptional capability in domain-specific tasks, addressing the existing gap in specialized language modeling, and paving the way for more effective applications of NLP in specialized domains.

Jun, 2024

基于大型语言模型的分子发现与翻译: ChatGPT 视角

本文提出了一种基于大型语言模型的框架（MolReGPT），通过检索式提示范式在上下文中进行少量评估，并利用分子相似性原理从本地数据库检索类似分子及其文本描述来启用 LLMS，用于分子说明翻译以促进分子发现

Jun, 2023

MolecularGPT: 开放式大型语言模型（LLM）用于少样本分子性质预测

利用 MolecularGPT，基于大规模语言模型对分子指令进行微调，并通过零样本和少样本的上下文学习，在少样本分子预测任务中取得新的竞争性结果，显示出语境推理能力优势，超过传统的图神经网络方法和现有语言模型基线，为语言模型在少样本分子特性预测中的应用发展提供了潜力。

Jun, 2024

生物信息学研究中大型语言模型的评价

基于大型语言模型（LLMs）的研究和应用在生物信息学领域有着巨大潜力和效力，该研究通过分析各种关键生物信息学任务，证明了 LLMs（如 GPT 变体）在给定适当提示的情况下可以成功处理大多数任务，同时也分析了在复杂生物信息学任务中的局限性。

Feb, 2024

DrugLLM：用於少樣品分子生成的開放式大型語言模型

DrugLLM 是一个专门用于药物设计的大型语言模型，在训练过程中使用基于群组的分子表示（GMR）来表示分子，通过预测基于过去修饰的下一个分子来学习如何修改分子，在有限的示例基础上生成具有期望特性的新分子，并具有强大的少样本分子生成能力。

May, 2024

基础大型语言模型能辅助进行制药生产调查吗？

利用历史记录，将大型语言模型（LLM）应用于制药生产调查，提取特定信息并进行语义搜索。

Apr, 2024