May, 2023

使用大语言模型进行基因集总结

PDF
TL;DR本研究提出了一种基于 GPT 模型的新的基因集功能摘要方法，该方法使用结构化文本、自由叙述基因概要或直接模型检索等来源来生成 GO 术语列表，但并不能依靠本方法来代替标准术语富集分析，手动筛选方法仍然必要。
gene ontologynatural language processinggene set function summarizationenrichment analysisknowledge base
发现论文，激发创造
  • 评估大型语言模型在基因集功能发现中的应用

    OpenAI 的 GPT-4 是一个基于生物医学知识的大型语言模型，能够从嵌入式知识中提出关于普遍基因功能的假设，为基因集分析提供可靠的功能概述和支持。

    Sep, 2023

  • 在开放研究知识图谱中评估大型语言模型用于结构化科学摘要

    利用大型语言模型（LLMs）自动推荐属性，以增强科学论文的可发现性，并通过与 Open Research Knowledge Graph（ORKG）的比较分析评估 LLMs 的性能，发现 LLMs 在构建科学结构化推荐系统方面具有潜力，但需要进一步优化以提高与科学任务的一致性和模拟人类专业知识。

    May, 2024

  • 基因聚类的自然语言处理

    本文提出一种使用 BERT 和文本处理方法编码基因功能，并将其进行多维数据降维和聚类，以优化 mRNA 测序中基因数据分析流程的方法。通过对 180 种不同方法的性能评估选择最高效的流程，并通过聚类指数和专家评审进行了评估。

    Jul, 2022

  • 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

  • LitSumm: 用于非编码 RNA 文献摘要的大型语言模型

    通过使用大型语言模型（LLMs）和一系列提示和检查步骤，我们首次采取行动缓解 RNA 科学中缺乏编辑时间的问题，生成非编码 RNA 文献的摘要，并证明可以自动生成高质量、事实准确的摘要以及准确的参考文献。

    Nov, 2023

  • GeneGPT：教导大型语言模型使用 NCBI Web APIs

    本文介绍了 GeneGPT，一种利用 Web 应用程序编程接口解决基因组学问题的大型语言模型（LLMs）的新方法。在经过少量 NCBI API 调用的 URL 请求演示后，GeneGPT 能够提供具有状态良好的结果，并且优于其他一些先进的 LLMs，例如 GPT-3 和 ChatGPT。

    Apr, 2023

  • 一种大型语言模型优于其他计算方法对医生笔记的高通量表型

    本研究比较了高通量表型化的三种计算方法：基于生成式人工智能的大型语言模型（LLM），利用深度学习进行跨度分类的自然语言处理（NLP）方法，以及将词向量与机器学习相结合的混合方法。采用 GPT-4（一种大型语言模型）的方法表现出卓越性能，表明大型语言模型可能成为医师笔记的高通量表型化的首选方法。

    Jun, 2024

  • 结构化知识库在大型语言模型中优化元数据整理的应用

    通过对 200 个描述肺癌人样本的 NCBI BioSample 数据记录进行实验，评估 GPT-4 对于符合元数据标准的建议编辑能力，并通过同行评审过程计算了字段名 - 字段值对的符合精确度，发现辅助 GPT-4 以 CEDAR 模板的文本描述作为领域信息，从 79% 提高到 97%（p<0.01），结果表明 LLMs 与结构化知识库整合后，可以在自动化元数据管理中显示出希望。

    Apr, 2024

  • GeneAgent：基于领域数据库的基因集知识发现的自验证语言代理

    GeneAgent 是一种独特的语言机器人，具备自我验证功能，通过与生物数据库的交互和相关领域知识的利用，提高准确性和减少幻觉事件，在基于 1,106 个来自不同来源的基因集的基准测试中，GeneAgent 始终明显优于标准的 GPT-4，并经过详细的手动审核，证实其自我验证模块的有效性，可以产生更可靠的分析叙述，应用 GeneAgent 到来自小鼠 B2905 黑色素瘤细胞系的七个新基因集中，专家评估显示 GeneAgent 提供了基因功能的新见解，从而加速了知识发现。

    May, 2024

  • FGBERT：用于宏基因组学的功能驱动预训练基因语言模型

    通过蛋白质基因表示为基础，引入了一种上下文感知和结构相关的分词器，即 Masked Gene Modeling（MGM）用于基因组级预训练，Triple Enhanced Metagenomic Contrastive Learning（TEM-CL）用于基因级预训练，提出了一种新颖的 metagenomic language model（NAME），基于 1 亿个元基因组序列进行了预训练，并在八个数据集上展示了其卓越性能。

    Feb, 2024