基因編輯（GE）是生命科學中的重要工具，但因物種、基因序列及工具不同，編輯某些基因會遇到挑戰。為了提升基因編輯研究的設計，確認文獻中基因編輯的實踐至關重要。基因編輯元數據庫（GEM）提供了有用的資訊，但對特定基因的參與細節仍不足。 本研究開發了一種系統性方法，利用大型語言模型從GEM及相關文獻中提取關鍵資訊，讓基因編輯數據的調查更全面。我們還提出將這些資訊轉換為指標，以優先考慮未來的研究基因。最終的基因編輯資訊和評分系統旨在簡化目標基因的選擇，改善研究設計。欲了解更多，請訪問以下網址：https://github.com/szktkyk/extract_geinfo 和 https://github.com/szktkyk/visualize_geinfo。 PubMed DOI

單細胞和空間組學的應用在模型和病人樣本中，已經幫助識別許多新基因集，特別是在免疫療法方面。不過，這些基因集的生物學意義常常被片面解釋，因為依賴的註釋數據庫缺乏深度和準確性。為了解決這個問題，研究人員開發了免疫細胞知識圖譜（ICKGs），整合超過24,000篇文獻，並利用大型語言模型進行知識綜合。這些圖譜的質量經過獨立數據驗證，並能全面準確地註釋免疫學基因集。研究團隊還創建了一個互動網站，讓用戶能夠進行基於ICKG的基因集註釋。可透過[這個連結](https://kchen-lab.github.io/immune-knowledgegraph.github.io/)訪問。 PubMed DOI

IAN是一個R套件，專門利用多代理人工智慧系統來整合和分析高通量的“組學”數據。它結合了KEGG、WikiPathways、Reactome等知名數據集，進行富集分析，並透過大型語言模型（LLM）生成結果的總結與解釋。IAN能有效促進生物學發現，並減少不準確性。相關的套件、安裝說明和範例可在 https://github.com/NIH-NEI/IAN 找到。 PubMed DOI

Playbook Workflow Builder (PWB) 是一個簡單易用的網頁平台，專為生物資訊學工作流程設計。使用者無需技術背景，就能透過選擇步驟卡片或聊天介面來建立工作流程。每個步驟的結果會整合成報告，包含描述、圖表和參考文獻。PWB 與通用工作流程語言（CWL）相容，並可發佈為研究論文或簡報。該平台已成功應用於癌症藥物靶點的優先考量。想了解更多，請訪問 PWB 網站：https://playbook-workflow-builder.cloud/. PubMed DOI

這項研究分析了超過5,100種蛋白質在U2OS骨肉瘤細胞中的互動，繪製出人類亞細胞結構的完整地圖。研究人員透過自我監督的數據整合，找出275個分子組合，並用尺寸排除色譜法驗證結果。這項研究揭示了111個異二聚體複合體的結構，並為975種蛋白質指派了新功能，特別是在RNA處理和干擾素信號傳導中。研究還解碼了兒童癌症基因組，識別出21個反覆突變的組合，並發現102種新的癌症蛋白質。這些成果可透過Cell Visualization Portal和Mapping Toolkit獲得，成為細胞生物學的重要資源。 PubMed DOI

這項研究用大型語言模型，從GEM資料庫和文獻中自動萃取基因編輯細節，突破了原本資料庫的限制。這讓研究人員能更快找到重要基因、規劃實驗，提升基因編輯研究效率。相關工具和資料已在GitHub公開，方便大家使用。 PubMed DOI

**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

Ontolomics-P 是一款操作簡單的網頁工具，專門分析蛋白質體學資料。它用 LDA 主題建模、GO 語意相似度和 GPT-4o 再註解，能把複雜的生物功能整理成清楚易懂的主題，還整合 10 種癌症的蛋白質資料，讓分析更全面、結果更好懂，幫助推動蛋白質體學研究。 PubMed DOI

傳統基因集分析彈性有限，llm2geneset 利用大型語言模型，能根據基因和自然語言描述，動態產生專屬基因集，品質媲美甚至超越人工整理。這工具在解析高通量資料和找生物過程上，比傳統方法更有效。llm2geneset 已開源，網路上可免費取得。 PubMed DOI

cGSA 是新一代 AI 基因集分析工具，運用大型語言模型，能針對特定疾病情境，精準排序相關路徑，減少雜訊和重複結果。實驗證明，cGSA 比傳統方法更有效，讓研究人員更容易找出有意義的生物學假說。 PubMed