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

科学实验的自动生成协议，通过使用基于伪代码表示的生物协议数据集进行评估，并评估 GPT-3 和 GPT-4 在生成科学协议方面的能力和鲁棒性。

Oct, 2023

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

GPT-4 在计算材料科学中应用可以解决科学软件采用自定义输入语言的挑战以及由于描述模拟方法不足导致的研究结果复现性差的问题，通过生成正确的输入文件和详细的计算任务描述，减少研究者常规任务、加速新用户培训并提高结果可复现性。

Oct, 2023

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

ProtChatGPT 通过自然语言学习和理解蛋白质结构，使用户能够上传蛋白质、提问和进行互动对话以生成全面答案，为蛋白质研究提供了新的可能性。

Feb, 2024

ChatDrug 是一种基于会话大型语言模型（LLMs）的药物编辑框架，该模型联合使用提示模块、检索域反馈（ReDF）模块和会话模块，以实现有效的药物编辑，其在 33 项药物编辑任务中表现最佳，并可以从领域特定的角度提供有启发性的解释，为制药研究和发展的推进铺平了道路。

May, 2023

GPT-Lab 使用 GPT 模型使机器人具备与人类智能相似的能力，在化学实验中挖掘文献的材料和方法，并通过高通量合成验证发现，展示了我们系统在材料发现和验证方面的快速潜力。

Sep, 2023

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

该研究评估了领先的大型语言模型（LLMs），包括 GPT-4、GPT-3.5、PaLM2、Claude2 和 SenseNova 对概念生物学问题的回答能力。结果表明，GPT-4 在逻辑推理方面表现出色，并具备数据分析、假设生成和知识整合等能力，从而有望在生物学研究中发挥作用，但还需要进一步的发展和验证。

Nov, 2023