人工智慧在植物科學中扮演重要角色，尤其是ChatGPT。這項研究重新探討植物科學的重要議題，突顯AI在這個領域的潛力。ChatGPT能提出與植物利用、機制、環境互動及特性增強相關的問題，協助支持可持續產品開發。雖然無法囊括所有科學家強調的細節，但ChatGPT提供有價值的見解，有助於植物科學的特定任務。 PubMed DOI

植物製造各種對它們功能和人類利用至關重要的化學物質，但這些化合物的演化和分佈方式尚不清楚，限制了我們對植物化學多樣性的了解。研究人員利用植物基因組序列數據，將各種天然產物的分佈映射到植物演化樹上，確認了特定化合物在某些植物族譜中的分佈，並找出含有某些化合物的族譜。透過手動審核和自動文本採礦結合，研究人員建立了可靠的植物化學多樣性地圖，有助於我們更深入了解植物化學物質的演化。 PubMed DOI

這項研究探討了被子植物的多樣性及花卉特徵，特別是開花時間在授粉綜合徵中的重要性，尤其是「蜂鳥花」綜合徵。研究人員利用來自iNaturalist的社區科學數據，分析了11,729種北美開花植物及其顏色，並運用GPT-4的視覺功能進行花朵顏色分類。他們發現，紅色或橙色花朵的物種在美國東部的開花時間受到蜂鳥到來時間的影響，顯示開花表現是授粉綜合徵的一個關鍵特徵，增進了我們對植物適應授粉者的理解。這項研究也強調了社區科學數據在揭示植物特徵及生態關係中的潛力。 PubMed DOI

基因組時代的來臨促進了高通量數據和先進計算方法的發展，幫助我們探索植物抗逆境的遺傳與功能。儘管有許多實驗和分析技術，但龐大的數據量仍帶來挑戰。深度學習模型在預測基因結構和功能方面表現優異，並在農業高通量表型學中越來越常見。這篇綜述強調了數據資源和生物信息學工具，以及機器學習和人工智慧在植物抗逆境研究中的應用，並展示如何利用大型語言模型（如ChatGPT）創建相關知識圖譜，促進跨領域合作。 PubMed DOI

過敏症狀，尤其是由花粉引起的過敏，越來越普遍，預計未來15年內，約50%的歐洲人會受到影響，主要因城市化和氣候變遷。本研究分析了2006年12月至2022年1月期間，Twitter上有關花粉症狀的討論，發現推文在3月至8月之間最多，且近年來患者的推文顯著增加，特別是在早晨。研究強調了解地方性過敏經驗的重要性，因為社會文化和經濟因素會影響患者的感受。分析Twitter數據有助於制定預防措施，改善花粉過敏者的健康資訊獲取。 PubMed DOI

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