單細胞RNA分析中標註細胞類型耗時且需要專業知識，但使用GPT-4大型語言模型能自動且精確標註。它與手動標註一致，可減少標註的工作量。為了推廣GPT-4的應用，開發了開源軟體套件GPTCelltype。 PubMed DOI

在單細胞RNA序列分析中，細胞類型的標註是重要的，但也很耗時。GPT-4，一個強大的語言模型，可以利用標記基因信息自動準確地標註細胞類型。已經證明它在各種組織和細胞類型上表現良好，有潛力減少標註細胞類型所需的努力和專業知識。 PubMed DOI

單細胞生物學領域近期有新進展，Geneformer和scGPT等複雜模型能從基因表現數據學習功能。GenePT是一簡單替代方案，利用ChatGPT嵌入基因，無需大量數據或訓練即可生成基因和細胞嵌入。GenePT在各項任務上表現優異，顯示利用語言模型嵌入可有效建立生物模型。 PubMed DOI

在這項研究中，我們展示了GPT-4可以在單細胞RNA序列分析中使用標記基因數據準確標記細胞類型。GPT-4的標記與各種組織和細胞類型的手動標記相符，簡化了細胞類型標記的過程。我們還開發了一個名為GPTCelltype的R軟體套件，用於使用GPT-4進行自動細胞類型標記。 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

這篇論文探討如何將大型語言模型（LLMs）與單細胞基因表達數據結合，重點在基因嵌入矩陣和基因表達矩陣的整合。主要挑戰是有效合併這兩種數據，以提升細胞間距離的定義。作者提出了一個計算效率高的解決方案，顯著改善了六個真實數據集上相似細胞類型的聚類，顯示其在測量細胞間距離上的有效性。 PubMed DOI

這項研究介紹了GenePT，一種新方法，利用ChatGPT的嵌入來表示基因，提供比傳統依賴大量基因表達數據的模型訓練更簡單的替代方案。研究人員使用GPT-3.5為單個基因生成嵌入，並透過加權平均創建單細胞嵌入，有效編碼細胞信息。此外，他們根據基因表達水平生成細胞的句子嵌入。GenePT在基因屬性和細胞類型分類等任務中表現優異，顯示出大型語言模型嵌入在捕捉單細胞生物知識上的潛力。 PubMed DOI

空間轉錄組學是理解組織細胞組成的重要工具，尤其在癌症研究中，腫瘤微環境至關重要。然而，數據的複雜性使解釋變得困難。本研究探討大型語言模型（LLMs）在分析小鼠黑色素瘤模型的空間轉錄組數據的應用。研究發現Claude 3.5 Sonnet在斑點量化和模式識別上表現最佳，並開發出系統化工作流程，幫助分析腫瘤免疫景觀。該模型揭示了免疫抑制機制，並顯示LLMs在空間轉錄組學中的潛力，能有效提升數據解釋的能力。 PubMed DOI

預訓練語言模型對自然語言處理（NLP）影響深遠，現在也啟發了基因組學的相關研究。開發高品質的基因組基礎模型（FMs）成本高且需大量資源，因此本研究提出L2G，透過現有的大型語言模型（LLMs）來應用於基因組任務。L2G運用「跨模態轉移」的概念，並結合神經架構搜索（NAS）及三階段訓練過程。結果顯示，L2G在多項基因組基準測試中表現優於微調的基因組FMs，特別在增強子活性預測方面也有卓越表現，顯示語言模型在基因組學的潛力。 PubMed DOI

單細胞多組學技術，特別是單細胞RNA測序（scRNA-seq），讓我們更深入了解細胞的多樣性與發展。透過將基因視為單詞，並利用word2vec技術生成基因的向量表示，我們能夠進行多尺度分析，識別細胞狀態與發展軌跡。這種方法不僅計算效率高，還能在不依賴高效能計算集群的情況下進行分析，成為探索細胞發展、基因影響及組織關係的重要工具。 PubMed DOI