利用 1.2B 的参数语言模型 ProGen，将蛋白质工程视为无监督的序列生成问题，以此利用缺乏昂贵结构注释的蛋白质的日益增长的集合，从而生成出更具有进化多样性的序列，为解决合成生物学、医学和材料科学等领域的根本问题提供了可能。

Mar, 2020

介绍了一套名为 ProGen2 的蛋白质语言模型，它具有 64 亿个参数，在来自多种数据库的超过 10 亿个蛋白质序列数据集上进行训练。ProGen2 模型表现出捕获已观察到的进化序列分布，生成新的可行序列以及在不需要额外微调的情况下预测蛋白质适应性的最佳性能。研究表明在向蛋白质序列模型提供数据分布时需要越来越多的关注点。

Jun, 2022

利用机器翻译技术，根据描述文字将草图标记为具有某项功能的蛋白质和基因，可以帮助解决 protein function prediction 挑战，并在各种生物医学应用中加快新路径和生物学过程的研究进展。

Apr, 2022

通过深度学习，本文提出了一种新的 miRNA 前体预测算法，deepMiRGene，该算法采用循环神经网络，具有自动学习数据特征的优点，并在三个基准数据集中表现出与当前最优工具相当的性能。

Apr, 2016

该研究介绍了一种基于等变群的非扩张算子的计算新范式，称为 GENEOnet，可以用于解释机器学习和药物设计中的问题，其结果表明 GENEOnet 在准确性方面具有优异性能。

Jan, 2022

我们提出了一种疾病特异性的蛋白质语言模型 ProPath，通过孪生网络捕捉罕见错义变异的伪对数似然比，从而解决了临床基因变异的分类问题，并在家族性心肌病和心律失常的临床变异集中取得了最好的性能表现。

Nov, 2023

本文提出了一种使用深度学习从蛋白质序列及其相互作用网络中预测蛋白质功能的方法，并结合 Gene Ontology 分类蛋白质功能。实验表明该方法能够显著提高蛋白质功能预测的准确性，特别是细胞定位的预测。

May, 2017

通过分析成千上万的正交基因，我们构建了一个基因 - 基因共存映射。该研究表明，相关联的提高了物理相互作用的蛋白质和共表达的转录本，从而从条件或短暂的相互作用中分离出功能性必须的蛋白质相互作用的子组。此外，此类关联可用于指导合成生物学中的外源基因导入。

Dec, 2011

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

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