早期基因組研究奠定了植物基因和生物過程的基礎。如今，隨著高解析度基因組學的進步，研究人員能夠精確分析生物系統，甚至到單細胞層級。結合人工智慧進行計算設計，促進了合成植物的發展。科學家們透過還原主義和系統生物學的方法，重新定義植物的角色，不再僅視其為食物、纖維和燃料的來源，而是看作能幫助應對氣候變遷的「環境恆溫器」。 PubMed DOI

相機陷阱正在改變生態研究，但目前的自動影像分析常常缺乏深入的保育資訊。為了改善這一點，我們建議將視覺-語言模型整合進分析流程。我們的兩階段系統首先利用YOLOv10-X進行物種定位與分類，接著使用Phi-3.5-vision-instruct模型，這不僅提升了物種識別，還能捕捉更多生態變數，如植被類型和時間。這樣的組合讓複雜查詢變得可行，並生成結構化報告，提供物種豐富度、分佈、行為及棲息地選擇的見解，減少人工努力，支持主動保育決策。 PubMed DOI

研究團隊開發了PlantGPT，專為植物基因研究設計的AI模型，能更精確回答植物基因功能問題，錯誤率也比一般AI低。PlantGPT就像植物基因專家，已經有線上工具可用，未來也有望成為作物研究AI的參考標準。 PubMed DOI

大型語言模型（LLMs）在自然語言處理很強，但在植物育種的應用還有很大發展空間。這篇綜述說明LLMs能協助分析複雜生物資料、預測重要性狀，並整合基因體和環境等多元資料，有助於提升基因發現和決策效率。文章也討論目前進展、挑戰及未來展望，期望推動永續農業與糧食安全。 PubMed DOI