研究指出，像ChatGPT這樣的大型語言模型聊天機器人能有效分析生物資訊數據。ChatGPT的新圖像輸入功能已在癌症研究中進行測試，展現了解釋各種圖表和應用生物知識的能力。然而，在解釋定量視覺數據方面仍有挑戰。這聊天機器人能生成圖表說明和研究總結，但需仔細校對以確保內容正確可靠。 PubMed DOI

聊天機器人助理基礎架構簡化了使用多個大型語言模型和Elo排名系統，與PRIDE數據庫互動。包括API、Web界面和管理向量數據庫的組件，提升數據集可發現性。適用於生物信息學和蛋白質組學工具，並開源在GitHub。 PubMed DOI

這項研究評估了大型語言模型（LLMs）驅動的聊天機器人，如ChatGPT 3.5、CoPilot和Gemini，在提供前列腺癌資訊的有效性，並與官方病人指南進行比較。研究使用25個專家驗證的問題，根據準確性、及時性、完整性和可理解性進行評估。結果顯示，ChatGPT 3.5的表現優於其他模型，證明其為可靠的資訊來源。研究強調在健康領域持續創新AI應用的重要性，並建議未來探討AI回應中的潛在偏見及其對病人結果的影響。 PubMed DOI

這項研究評估了AI聊天機器人，特別是ChatGPT和Google Bard在提供前列腺癌教育資訊的表現。研究發現，所有大型語言模型的準確性相似，但ChatGPT-3.5在一般知識上表現優異。ChatGPT-4的回答則更全面，而Bard的回答最易讀，獲得最高的易讀性分數。總體來說，這些AI模型雖無法取代醫療專業人員，但能有效協助病人了解前列腺癌的相關知識。 PubMed DOI

AutoBA是一款創新的AI工具，專為自動化多組學生物資訊分析而設計。它利用大型語言模型簡化分析過程，使用者只需提供少量輸入，並能獲得詳細的步驟計劃。AutoBA能根據數據變化自我調整分析流程，並支持多個LLM後端，提供在線及本地使用選項，確保數據安全與隱私。此外，它具備自動代碼修復機制，增強分析穩定性，並能隨著新興工具的發展而適應，成為多組學分析的強大解決方案。 PubMed DOI

在2023年，大型語言模型聊天機器人的使用大幅增加，特別是ChatGPT在生物資訊學和生物醫學資訊學的應用。我們的調查探討了它在組學、遺傳學、生物醫學文本挖掘、藥物發現、生物醫學影像理解、生物資訊學程式設計及教育等領域的表現。我們指出了ChatGPT的優勢與限制，並對其在生物資訊學的未來發展提供了潛在見解。 PubMed DOI

Oncointerpreter.ai 是一個互動工具，幫助癌症患者理解診斷和治療選擇。它提供個性化的基因組和病理數據摘要，讓患者能更有效地與醫療團隊溝通。這個工具利用先進的語言模型，能處理去識別化的報告，提取關鍵資訊並即時回答治療相關問題。此外，還能根據患者的病情和地點，找出相關的臨床試驗。基準測試顯示其回應一致且準確，目的是增強患者的理解，促進知情討論。更多資訊可至其 GitHub 頁面查詢。 PubMed DOI

核糖體剖析（Ribo-seq）是一項能深入了解蛋白質合成的技術，但分析過程對於沒有生物資訊背景的人來說相當複雜。基於大型語言模型的聊天機器人，透過自然語言處理，提供了一個解決方案。本篇評論探討了Ribo-seq分析與聊天機器人技術的結合，強調其在數據分析和結果解釋上的潛力。雖然目前尚無實際應用範例，但未來這些技術有望克服分析障礙，推進對基因表達的理解。不過，模型偏見和數據隱私等問題仍需解決。 PubMed DOI

ProtChat是一個創新的AI多代理系統，專門用於蛋白質分析，結合了蛋白質大型語言模型和像GPT-4這樣的技術。它能自動化複雜任務，如預測蛋白質特性和分析蛋白質-藥物相互作用，大幅減少人力需求。即使沒有計算背景的研究人員也能輕鬆使用，提升分析效率。實驗結果顯示，ProtChat能快速且準確地處理蛋白質相關任務，為計算生物學和藥物發現開創新機會。其程式碼和數據已在GitHub上公開，鼓勵更多人探索應用。 PubMed DOI

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