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

功能基因組學研究利用OpenAI的GPT-4模型快速生成基因功能假說，開發了標記基因集名稱的流程，支援文本分析和引文。GPT-4表現優異，提供比傳統方法更豐富的資訊，經人工審查後確認可信度。顯示大型語言模型在功能基因組學研究中有潛力。 PubMed DOI

本研究使用OpenAI的GPT-4大型語言模型，評估其在功能基因組學中的應用價值。結果顯示，GPT-4能夠生成具有生物醫學知識的基因功能假設，並提供比傳統方法更豐富的資訊。這顯示大型語言模型在功能基因組學研究中具有潛力成為有用的工具。 PubMed DOI

研究使用大型語言模型（LLMs）探討基於知識的基因優先順序和選擇，專注於與紅血球特徵相關的血液轉錄模組。結果顯示，OpenAI的GPT-4和Anthropic的Claude在LLMs中表現最佳。研究找出了模組M9.2的頂尖基因候選者，顯示LLMs在基因選擇上的潛力，有助於提升生物醫學知識的應用價值。 PubMed DOI

研究使用OpenAI的GPT-4開發AI助手，解釋藥物基因測試結果，提升臨床遺傳學決策，改善患者護理。AI助手採用RAG技術，結合CPIC數據庫，針對用戶提供個人化回答。相較ChatGPT 3.5，表現更佳，尤其在專業查詢方面。需改進回答準確性、相關性和語言表達。整合GPT-4與RAG提升效能，利用CPIC數據。挑戰在提高準確性、解決道德問題，發展專業基因/藥物模型。研究凸顯生成式AI在醫療支援和患者獲取複雜基因組學資訊的潛力。謹慎應用大型語言模型如GPT-4，可顯著提升對基因組學數據的理解，增進醫療服務。 PubMed DOI

這項研究評估了GPT-4在診斷罕見疾病的表現，使用了5,267份以phenopackets格式整理的案例報告。研究旨在克服以往樣本量小和主觀評估的問題。結果顯示，GPT-4的正確診斷平均倒數排名（MRR）為0.24，表示在19.2%的案例中正確診斷排名第一，28.6%排名前三，32.5%排名前十。這是迄今對大型語言模型在罕見疾病診斷的最大分析，提供了更真實的能力評估。 PubMed DOI

大型語言模型（LLMs），如OpenAI的GPT系列，在醫學領域展現潛力，特別是在腫瘤學中。研究評估了LLM在分類化療引起的主觀毒性方面的能力，結果顯示LLM在一般毒性類別的準確率為85.7%，但在特定類別的準確率僅為64.6%。雖然LLM的表現與腫瘤科醫生相當，但特定類別的準確性仍需改進。未來研究應聚焦於真實病人的驗證及即時互動能力，並考量數據準確性和隱私等倫理問題。總體而言，LLMs有潛力提升病人護理質量與效率。 PubMed DOI

這項研究探討大型語言模型（LLMs）在診斷罕見遺傳疾病中的應用，特別是基於表型的基因優先排序。研究比較了五種LLMs，結果顯示GPT-4的表現最佳，能在前50個預測中準確識別17.0%的診斷基因，但仍低於傳統方法。雖然較大的模型通常表現較好，先進技術如檢索增強生成並未提升準確性，但精緻的提示改善了任務完整性。整體而言，這些發現顯示LLMs在基因組分析中的潛力與限制，對臨床應用有重要影響。 PubMed DOI

基因工程，特別是CRISPR技術的引入，徹底改變了生物醫學研究，讓精確基因修改成為可能。不過，利用這些技術需要深入了解CRISPR及其實驗背景。為此，我們提出CRISPR-GPT，這是一個結合專業知識的大型語言模型，旨在簡化基因編輯實驗設計。CRISPR-GPT能協助選擇CRISPR系統、設計引導RNA、推薦傳遞方法等，並計劃驗證實驗。我們展示了它對非專家研究者的實用性，並探討了自動化基因編輯的倫理與監管影響，強調負責任的實踐。 PubMed DOI

這項研究強調了大型語言模型（LLMs），特別是GPT-4，在提取氧化壓力相關毒理學資訊方面的潛力。研究團隊建立了一個完整的流程，從7,166篇文章中提取了17,780條記錄，識別出2,558種獨特化合物，並發現過去20年對氧化壓力的研究興趣逐漸上升。 研究編制了促氧化劑（1,416種）和抗氧化劑（1,102種）的清單，主要包括藥物、農藥和金屬等類別。結構分析顯示了特定子結構與促氧化劑和抗氧化劑的關聯。總體而言，這項研究證明了基於LLM的文本挖掘能有效建立毒理學數據庫，為未來環境與健康研究提供重要見解。 PubMed DOI