Large language models reshaping molecular biology and drug development.
大型語言模型重塑分子生物學和藥物開發。 Chem Biol Drug Des 2024-06-19

大型語言模型（LLMs）在醫學和臨床資訊學中扮演重要角色，能幫助突破和個人化治療。透過分析複雜的生物數據，揭示基因組學、蛋白質結構和健康記錄中的隱藏模式，對基因組分析、藥物開發和精準醫學有所助益。然而，必須面對數據偏見、隱私和道德等挑戰，才能負責任地應用。克服這些障礙將帶來分子生物學和製藥研究的重大進展，造福個人和社區。 PubMed DOI

SensitiveCancerGPT: Leveraging Generative Large Language Model on Structured Omics Data to Optimize Drug Sensitivity Prediction.
SensitiveCancerGPT：利用生成大型語言模型在結構化組學數據上優化藥物敏感性預測。 bioRxiv 2025-03-10

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

Cancer gene identification through integrating causal prompting large language model with omics data-driven causal inference.
透過整合因果提示的大型語言模型與基因組數據驅動的因果推斷進行癌症基因識別。 Brief Bioinform 2025-03-12

這項研究提出了一個名為ICGI（整合性因果基因識別）的新框架，透過整合多種組學數據來識別與癌症相關的基因。傳統方法常因依賴一般化的相關性而產生偏差，未考慮混淆因素。ICGI利用大型語言模型（LLM），結合因果提示和數據驅動的特徵選擇，提升癌症基因識別的準確性。該框架在《癌症基因組圖譜》中測試了六種癌症的轉錄組數據，表現優於現有方法。此外，還開發了線上平台，讓用戶能輸入基因和癌症類型，自動評估基因的重要性，並提供清晰的解釋。不過，研究也指出目前的LLMs可能無法完全捕捉所有相關信息。 PubMed DOI

Building A Unified Model for Drug Synergy Analysis Powered by Large Language Models.
由大型語言模型驅動的藥物協同作用分析統一模型的建立 bioRxiv 2025-04-16

作者提出 BAITSAO 統一模型，運用大型語言模型產生的嵌入技術，提升癌症藥物協同作用的預測準確度。該模型經多任務學習訓練，表現優於現有方法，還能協助新藥發現、藥物與基因互動分析及多重藥物協同效果預測。 PubMed DOI

Inferring Drug-Gene Relationships in Cancer Using Literature-Augmented Large Language Models.
利用文獻增強大型語言模型推論癌症中的藥物-基因關係 Cancer Res Commun 2025-04-28

**重點摘要：** 這項研究介紹了一個名為 GeneRxGPT 的工具，它結合了大型語言模型（LLMs）和最新的生醫文獻，讓癌症研究人員可以更輕鬆地發現藥物與基因之間的關係、找出新的治療標的、藥物再利用，以及更深入了解複雜的分子交互作用——而且不需要具備進階的電腦運算技能。 PubMed DOI

Bridging Data Gaps in Oncology: Large Language Models and Collaborative Filtering for Cancer Treatment Recommendations.
彌補腫瘤學資料缺口：運用大型語言模型與協同過濾於癌症治療建議 medRxiv 2025-04-29

研究團隊用大型語言模型整理超過10萬筆癌症臨床試驗，建立涵蓋78種癌症和5,315種治療的資料庫，並用推薦系統準確預測有效療法。這方法已獲專家驗證，能協助找出罕見癌症的新治療選項，為資料有限時提供更有依據的治療建議。 PubMed DOI

The potential of large language models to advance precision oncology.
大型語言模型推動精準腫瘤醫學的潛力 EBioMedicine 2025-04-30

這篇綜述介紹大型語言模型在腫瘤醫學的應用，包括癌症篩檢、診斷、分期和治療建議等，展現其提升精準醫療的潛力。文章也點出幻覺、倫理和應用侷限等挑戰，並提出改進建議，期望推動LLMs在癌症照護上的發展。 PubMed DOI

scDrugMap: Benchmarking Large Foundation Models for Drug Response Prediction.
scDrugMap：大型基礎模型於藥物反應預測的基準評估 ArXiv 2025-05-19

scDrugMap 是首個針對單細胞藥物反應預測的大型基準評測工具，支援 Python CLI 和網頁操作。它評比了 10 種模型，涵蓋 36 個資料集、超過 32 萬細胞。結果顯示 scFoundation 整體表現最佳，UCE 和 scGPT 在特定情境也很優秀。scDrugMap 平台操作簡單，對藥物開發和研究很有幫助。 PubMed

scATD: a high-throughput and interpretable framework for single-cell cancer drug resistance prediction and biomarker identification.
scATD：用於單細胞癌症藥物抗性預測與生物標誌物鑑定的高通量且可解釋性分析框架 Brief Bioinform 2025-06-12

這篇研究提出 scATD 框架，運用大型語言模型，能快速預測單細胞 RNA 定序資料的藥物敏感性。scATD 不用重新訓練模型就能準確預測新病患，靠的是創新的風格轉換和知識蒸餾技術。測試結果顯示，scATD 在準確度、泛用性和效率都比現有方法更好，還能更清楚解釋基因和藥物的關聯，對精準腫瘤醫學很有幫助。 PubMed DOI

Application of a general LLM-based classification system to retrieve information about oncological trials.
應用通用 LLM 為基礎的分類系統於腫瘤學試驗資訊檢索 Oncology 2025-06-15

我們開發了一套用大型語言模型（LLMs）自動分類腫瘤臨床試驗和文獻的系統，在多個資料集和任務上都表現優異，準確率超過94%、F1-score超過92%，回應有效性最高達99.88%。雖然還有提示敏感度和運算資源的挑戰，但未來LLMs有望成為醫學文獻分類的重要工具。 PubMed DOI

原始文章

站上相關主題文章列表