合成生物學期刊文章提取知識應用於機器學習需耗時。使用GPT-4可加速提取微生物在複雜條件下的表現資訊。一研究利用GPT-4管線從176篇文章中擷取數據，總計2037個數據實例。機器學習模型如隨機森林可預測Yarrowia的發酵濃度，R^2為0.86。透過轉移學習，可評估Rhodosporidium toruloides的生產潛力。研究顯示AI如何從文章中提取資訊，有助於預測生物製造發展。 PubMed DOI

GPT-4與人類合作，將人工智慧融入骨架化學實驗，透過指示與回饋的互動，共同發現新材料。這種合作展現了大型語言模型如GPT-4提升科學研究效率的潛力。 PubMed DOI

近年來，專注於訓練圖像和語言的大型架構有了很大的進展，對電腦視覺和自然語言處理產生了深遠的影響。像ChatGPT和GPT-4等最新語言模型展現出卓越處理人類語言的能力。這些進步也影響了蛋白質研究，推動新方法快速發展，展現出優異表現。部分模型致力於生成未被探索的蛋白質區域序列。本文概述了蛋白質生成模型的應用，包括語言模型用於人工蛋白質設計、非Transformer架構以及應用於定向進化方法。 PubMed DOI

最新的語言模型對蛋白質研究有重大影響，特別是GPT-4等模型展現出潛力，可應用在蛋白質領域。蛋白質語言模型已顯示出預測和創新蛋白質的能力，並取得重要進展。本文討論了這個新興領域的機會和挑戰，並提供了LLMs對蛋白質研究的影響。 PubMed DOI

像GPT-4這樣的先進語言模型的發展正在改變分子研究領域。我們對GPT-4和GPT-3.5的比較顯示，GPT-4在分子優化的某些領域表現優異，但在處理複雜分子時卻遇到困難。我們建議未來的研究方向，以克服這些挑戰並增進分子科學的發展。 PubMed DOI

AI技術如GPT-4在生物學領域展現潛力，可生成氨基酸、多肽鏈的3D結構，並分析藥物與靶蛋白的互動。儘管有時會出現錯誤，但AI成功辨識關鍵氨基酸殘基。這研究顯示AI在生物學模擬和分子互動分析上的應用前景。 PubMed DOI

研究使用ChatGPT自動化生物醫學文獻審閱，以加速新興傳染病時的藥物發現。測試結果顯示，與專家相比，ChatGPT在準確性和效能上表現優異，尤其在識別SARS-CoV-2和尼帕病毒的藥物靶點方面。這研究顯示ChatGPT在全球衛生緊急情況下，對加速藥物發現和靶點識別有相當潛力。 PubMed DOI

研究指出使用 GPT-4 模型作為生物系統模擬器有潛力，稱為 SimulateGPT。專家評估發現在基因必需性和癌症存活預測等實驗中表現良好。這種語言模型或許可用於建立生物醫學模擬器，特別適用於處理大量以文字呈現的知識和複雜系統。未來發展可考慮整合網頁檢索、數學建模和實驗數據微調。 PubMed DOI

ChatGPT-4是一個先進的AI模型，經過訓練後能夠產生有連貫上下文的文字。它可以回答問題，對材料科學、合成化學和藥物發現等領域有幫助。最近的研究中，ChatGPT-4成功解決了分析化學、光譜學、生物影像超分辨率和電化學等問題。儘管能夠自主完成一些任務，但較複雜的任務仍需要人類幫助。這個AI能夠生成MATLAB代碼，即使原作者未提供代碼。研究強調驗證和反饋的重要性，確保科學研究的正確性和透明度，尤其是在高級數據處理方面。 PubMed DOI

這項研究探討了先進計算方法在蛋白質骨架設計與修改上的創新應用，對於蛋白質功能及疾病治療影響重大。研究團隊開發了名為PB-GPT的模型，透過代碼本量化和壓縮字典，將蛋白質骨架結構轉換為獨特編碼格式。該模型在多個數據集上訓練與評估，顯示出生成複雜且真實蛋白質骨架的能力，模仿自然蛋白質結構，顯示大型語言模型在蛋白質結構設計上的潛力。 PubMed DOI