這項研究探討生成大型語言模型(LLMs),特別是GPT,在癌細胞系藥物敏感性預測(DSP)中的應用。研究調整了提示工程技術,提升GPT在藥物基因組學數據上的表現,並與現有基準比較。
主要發現包括:
1. 開發三種提示模板,提升GPT處理結構化數據的能力。
2. 微調方法顯著提高F1分數,表現最佳。
3. GPT在GDSC數據集上F1分數提高16%,展現強大泛化能力。
4. 提供藥物與通路關聯的見解,與先前發現一致。
總體而言,研究顯示GPT可作為精準腫瘤學的有效工具,改善癌症治療策略。研究代碼和數據集已公開於GitHub。
PubMed
DOI