研究評估了41種民族藥用植物的活性肽對糖尿病相關蛋白質的影響，並建立了PhytoSelectDBT網站，可分類肽的作用靶點並提供替代建議。研究強調民族醫學在尋找抗糖尿病植物和肽方面的潛力，並透過分子對接技術評估其安全性和有效性。研究成果儲存在PhytoSelectDBT數據庫，為2型糖尿病管理提供寶貴資源。 PubMed DOI

CLAW平台利用自定義MRM轉換自動解析複雜脂質數據，並整合統計工具，提升脂質組學研究效率。通過分析阿茲海默症小鼠和油菜籽油樣本，展示了其效用。用戶界面設有AI聊天機器人，旨在使脂質組學工作更順暢。 PubMed DOI

高血壓是全球重要議題，可能因高脂飲食導致內臟脂肪積聚。研究發現內臟脂肪中的Spp1、Postn和Gpnmb基因在高血壓病理中扮演重要角色，影響能量代謝和器官功能。empagliflozin治療可降低這些基因表現。研究指出炎症可能非主要內臟脂肪與高血壓連結機制，了解這些基因可提供新治療策略。 PubMed DOI

像ChatGPT這樣的大型語言模型非常厲害，不僅能處理人類語言，還能應用在分析DNA和蛋白質等生物數據上。它們可以辨識生物數據中的複雜規律，成為預測細胞系統的強力工具。這篇文章討論了各種大型語言模型及其在生物學中的應用，特別強調了它們在植物領域的潛力，但在這個領域中的應用仍不太普遍。 PubMed DOI

植物製造各種對它們功能和人類利用至關重要的化學物質，但這些化合物的演化和分佈方式尚不清楚，限制了我們對植物化學多樣性的了解。研究人員利用植物基因組序列數據，將各種天然產物的分佈映射到植物演化樹上，確認了特定化合物在某些植物族譜中的分佈，並找出含有某些化合物的族譜。透過手動審核和自動文本採礦結合，研究人員建立了可靠的植物化學多樣性地圖，有助於我們更深入了解植物化學物質的演化。 PubMed DOI

植物基因組學有重大進展，透過高通量方法研究多種基因組範圍的分子表現型。這有助於深入了解植物特徵和遺傳機制，尤其是在模式植物物種中。為了提升作物基因組學，準確預測至關重要。AgroNT是一個大型語言模型，經過48種植物物種基因組的訓練，專注於作物物種，能進行最先進的基因組特徵預測。一項針對木薯突變的研究顯示AgroNT評估調控影響的能力。編製的數據集可作為植物基因組學中深度學習方法的參考。預先訓練的AgroNT模型可在HuggingFace上進行進一步研究。 PubMed DOI

深度學習，特別是大型語言模型（LLMs），在植物生物學中展現出很大的潛力，能為植物細胞系統提供新見解。蛋白質語言模型（PLMs）提升了我們分析核酸和蛋白質序列的能力，揭示生物數據中的複雜模式和關係。這不僅有助於識別序列模式和結構-功能關係，還能促進農業基因改良。透過整合深度學習，我們在植物性狀的基礎研究上能取得顯著進展。因此，戰略性地應用這些方法對推進植物科學和可持續農業至關重要。 PubMed DOI