通过展示基因组语言模型 (gLMs) 的潜力，包括适应性预测、序列设计和迁移学习，本综述阐述了大型语言模型 (LLMs) 对生物医学科学领域的转型影响，并讨论了在开发和评估 gLMs 时所面临的挑战。

Jul, 2024

本研究介绍了 QuST-LLM，它是 QuPath 的一个创新扩展，利用大型语言模型（LLMs）来分析和解释空间转录组学（ST）数据。QuST-LLM 通过提供包括数据加载、区域选择、基因表达分析和功能注释在内的全面工作流程，有效地简化了 ST 数据的复杂和高维属性。QuST-LLM 利用 LLMs 将复杂的 ST 数据转化为基于基因本体注释的易于理解和详细的生物学叙事，从而显著提高了 ST 数据的可解释性。因此，用户可以用自然语言与其自己的 ST 数据进行交互。因此，QuST-LLM 为研究人员提供了解开组织空间和功能复杂性的强大功能，促进了生物医学研究的新见解和进展。

Jun, 2024

AutoNMT 是一个自动化的框架，可以对 seq-to-seq 模型的研究进行流程化，包括数据管道、实验工具箱和报告生成等，并配有自定义 seq-to-seq 工具箱以方便用户进行非标准任务。

Feb, 2023

本文提出了一种通过将表型，环境和行为数据与基因组数据整合的流程，使用一种概率图模型来理解数据中特征之间的关系，并展示了该流程如何改善乳腺癌预测模型，提供一种生物学可解释性的视图。

May, 2020

提出了一种新的掩码算法 GeneMask，用于基因序列的掩码语言模型训练，该模型在四个基准基因序列分类数据集的五个少样本设置中明显优于当前最先进模型 DNABert 和 LOGO，同时训练时间不到原始模型的十分之一。

Jul, 2023

在这项研究中，我们提出了一种适用于大多数生物序列（基因、蛋白质和基因组）的机器学习数据库划分方法 SpanSeq，以避免数据集间的数据泄漏，并通过重新开发最先进模型 DeepLoc 证实了随机划分数据库对模型评估的影响，扩大了这些影响对模型开发的影响。

Feb, 2024

基因组学和蛋白质组学研究中的大型语言模型（LLMs）应用前景广阔。我们提出了一种名为 Geneverse 的针对基因组学和蛋白质组学研究中三个创新任务的经过微调的 LLMs 和多模态 LLMs（MLLMs）集合。Geneverse 模型基于领域特定的数据集进行训练和评估，我们使用高级的参数高效微调技术来实现模型适应性，包括生成基因功能描述、从蛋白质结构推理蛋白功能以及从空间转录组数据中选择标记基因。我们证明经过调适的 LLMs 和 MLLMs 在这些任务中表现良好，可能在准确性和结构正确性方面优于基于闭源的大规模模型。我们所使用的所有训练策略和基本模型均可以免费获取。

Jun, 2024

SeqGPT 是一种增强的双语模型，专门用于开放领域自然语言理解，通过两个原子任务来表达所有的 NLU 任务并进行指令微调和深度微调，展示了良好的分类和抽取能力，可在未见领域上执行语言理解任务。

Aug, 2023

开发类似 GPT-3 的自回归生成语言模型用于 DNA 序列，研究了 RNNs 和 N-grams 在处理人类基因中的核苷酸序列时的表现以及选择具有最小词汇量的语言对数据需求的影响。

Jul, 2023

基因组序列是指导细胞过程的蓝图，该研究介绍了一种基于人类基因组的 DNA 语言模型评估方法 BEND，该模型能够在某些任务上接近专家方法的性能，但仅能捕获关于长程特征的有限信息。

Nov, 2023