Large language models generate functional protein sequences across diverse families.
大型語言模型在各種家族中生成功能性蛋白質序列。 Nat Biotechnol 2023-10-03

ProGen是一個深度學習模型，可以像製造句子一樣，生成具有特定功能的蛋白質序列。透過大量蛋白質數據訓練後，ProGen可以微調，提升生成目標蛋白質的能力。這個模型可以創造人工蛋白質，效率與天然蛋白質相當，即使序列不同。適用於不同蛋白質家族，如輔酶A轉移酶和丙酮酸脫氫酶。 PubMed DOI

Large language models improve annotation of viral proteins.
大型語言模型改善病毒蛋白的標註。 Res Sq 2024-02-12

研究發現，利用蛋白質語言模型能夠改善病毒序列註釋，發現新的病毒蛋白質，並擴展海洋病毒體系的註釋。這種方法在海洋微生物中找到新的DNA編輯蛋白質家族，提升病毒蛋白質的辨識，並帶來新的生物發現。 PubMed DOI

Harnessing large language models (LLMs) for candidate gene prioritization and selection.
利用大型語言模型（LLMs）進行候選基因優先排序和選擇。 J Transl Med 2024-03-14

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

Genetic Discovery Enabled by A Large Language Model.
一個大型語言模型帶來的基因學發現。 bioRxiv 2023-12-06

人工智慧在醫學上有潛力，特別是像Med-PaLM 2這樣的大型語言模型。研究使用老鼠基因數據，成功找出與糖尿病、白內障等相關的基因，還發現了導致聽力喪失的遺傳因素，促使新易感性模型的發展。Med-PaLM 2可分析基因表現型關係，提出新假設，有助於加速基因研究。 PubMed DOI

Semantic search using protein large language models detects class II microcins in bacterial genomes.
蛋白質大型語言模型的語義搜索在細菌基因組中檢測到II類微小素。 bioRxiv 2023-12-12

研究發現第二類微囊素具抗生素潛力，但因為短小且多樣，發現受限。利用蛋白語言模型探測微囊素於細菌基因組，比傳統BLAST更有效。可準確辨識微囊素，並發現被忽略的新微囊素。 PubMed DOI

The promises of large language models for protein design and modeling.
大型語言模型在蛋白質設計和建模中的潛力。 Front Bioinform 2023-12-11

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

Unsupervised evolution of protein and antibody complexes with a structure-informed language model.
蛋白質和抗體複合物的無監督進化與結構資訊語言模型。 Science 2024-07-04

透過序列數據訓練的語言模型可學習蛋白質設計原則，但蛋白功能受結構影響。結合語言模型與結構資訊，可引導蛋白演化，改良抗SARS-CoV-2抗體，增強對病毒變異的中和能力。整合結構數據有助於找出有效蛋白演化路徑，無需特定訓練。 PubMed DOI

ProtAgents: protein discovery <i>via</i> large language model multi-agent collaborations combining physics and machine learning.
ProtAgents: 透過結合物理學與機器學習的大型語言模型多智能體協作，進行蛋白質發現。 Digit Discov 2024-07-12

介紹了ProtAgents，一個利用大型語言模型設計新蛋白質的平台。多個人工智慧代理人合作應對複雜任務，擁有多樣能力。透過LLMs驅動的代理人合作，提供多功能蛋白質設計和分析方法。系統可設計新蛋白質、分析結構，並模擬振動頻率。自動化和協同方法可設計具特定機械性能的蛋白質，釋放解決多目標材料問題的潛力，為自主材料發現和設計鋪平道路。 PubMed DOI

CRISPR-GPT: An LLM Agent for Automated Design of Gene-Editing Experiments.
CRISPR-GPT：一個自動化設計基因編輯實驗的 LLM 代理。 bioRxiv 2024-10-28

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

Balanced Training Sets Improve Deep Learning-Based Prediction of CRISPR sgRNA Activity.
平衡訓練集改善基於深度學習的 CRISPR sgRNA 活性預測。 ACS Synth Biol 2024-11-04

CRISPR-Cas 系統徹底改變了合成生物學，使得精確的基因編輯成為可能。研究人員為了提升 sgRNA 活性預測的準確性，開發了深度學習模型，包括卷積神經網絡（CNN）和大型語言模型（LLM）。這些模型使用了針對酵母 *Yarrowia lipolytica* 的篩選數據進行訓練，並評估其預測高低活性 sgRNA 的能力。研究發現，將合成 sgRNA 融入不平衡數據集能顯著提升預測性能，顯示平衡訓練集在準確預測 sgRNA 活性中的重要性。 PubMed DOI

原始文章

站上相關主題文章列表