AI因ChatGPT等成功案例受歡迎。結合生物技術可應對全球問題，助可持續發展。如食品安全、健康、清潔水、清潔能源和氣候行動。AI廣泛應用於生命科學，包括機器學習、數據分析和自然語言處理。本文概述這些領域的研究問題和挑戰，供潛在作者參考。 PubMed DOI

人工智慧在植物科學中扮演重要角色，尤其是ChatGPT。這項研究重新探討植物科學的重要議題，突顯AI在這個領域的潛力。ChatGPT能提出與植物利用、機制、環境互動及特性增強相關的問題，協助支持可持續產品開發。雖然無法囊括所有科學家強調的細節，但ChatGPT提供有價值的見解，有助於植物科學的特定任務。 PubMed DOI

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

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

人工智慧（AI）正在改變科學研究，像是蛋白質摺疊和文獻摘要等領域，但在天然產品研究中的應用卻受到限制。這主要是因為數據多樣且不平衡，分散在不同資料庫中，影響了深度學習模型的效能。為了解決這個問題，作者提議建立一個知識圖譜，整合天然產品數據，幫助開發更能模擬科學家決策過程的AI模型，並讓更多人能夠獲取這些數據，提升AI在該領域的應用。 PubMed DOI

ChatGPT 和類似的 AI 技術在科學研究中的應用引起了廣泛關注。有效利用 AI 的關鍵在於高品質、大規模的數據可用性。考量包括： 1. **數據來源**：各領域如基因組學、氣候科學等產生大量數據，公共數據庫可提供訪問。 2. **數據質量**：高品質、標註良好的數據集對訓練 AI 模型至關重要。 3. **跨學科合作**：不同學科合作可創建綜合數據集，增強研究。 4. **倫理考量**：需注意隱私、數據所有權及偏見問題。 5. **數據可及性**：確保數據對研究人員可及，保護敏感信息。 6. **持續數據生成**：新技術可提供穩定數據流。 總之，持續供應高品質數據對 AI 在科學研究中的成功至關重要。 PubMed DOI

這篇評論強調智慧農業中控制作物疾病和害蟲的重要性，並指出這些問題對產量和品質的影響。文章聚焦無人機在農業健康監測中的應用，這些無人機搭載先進感測器，結合人工智慧和深度學習技術。研究透過文獻計量學方法，識別該領域的關鍵趨勢。 評論提供作物疾病和害蟲的基礎知識，討論傳統機器學習的表現，並總結深度學習技術的應用。最後，針對研究空白和挑戰，提出實用解決方案及未來建議。 PubMed DOI

基因功能的研究仍是植物科學的重要目標，但在模式生物阿拉伯芥中，只有約15%的基因功能經過實驗驗證。雖然生物資訊工具能幫助預測基因功能，但近年來有效性和實驗性基因數量並未顯著增加。這篇綜述將探討基因功能研究的現狀與未來方向，並強調預測技術的最新進展。此外，還會討論人工智慧的發展，特別是大型語言模型和知識圖譜，如何提升基因功能預測，幫助研究人員隨時掌握最新科學文獻。 PubMed DOI