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

這段文字探討大型語言模型（LLMs）如ChatGPT在生物資訊學，特別是基因組學中的限制，提到資料檢索不佳、幻覺及序列操作錯誤等問題。為了解決這些挑戰，作者提出NagGPT作為LLMs與資料庫的橋樑，幫助精煉查詢並提高資訊準確性。此外，還介紹了Genomics Fetcher-Analyzer，這個自訂GPT能讓ChatGPT生成並執行Python程式碼，進行生物資訊學任務，並使用各種基因組資料庫的資料。整體目的是增強ChatGPT在生物資訊學的功能，提升事實準確性和遵循指示的能力。 PubMed DOI

這篇論文探討大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在數據提取和呈現的有效性，並與人類策展人比較。研究聚焦於小麥和大麥的遺傳特徵，使用36篇期刊文章的資料供GrainGenes數據庫使用。主要發現包括：GPT-4在分類手稿準確率達97%，有效提取80%特徵，並顯示人類與AI合作的潛力。儘管LLMs有其限制，但在生物數據提取上仍能提供顯著幫助，使用者需謹慎對待不準確性。 PubMed DOI

番茄（<i>Solanum lycopersicum</i> L.）的栽培對全球營養和經濟有重要意義，但面臨如<i>Tuta absoluta</i>等害蟲威脅，影響產量並提高生產成本。傳統檢測方法勞動密集且易出錯，因此需要先進技術。本研究利用人工智慧，整合YOLOv8進行害蟲檢測與分割，並使用ChatGPT-4提供建議。結果顯示，該模型在檢測精確度上達98.91%，顯著優於傳統方法，並能為未受訓練的生產者提供即時諮詢，推動更環保的農業實踐。未來應專注於特定數據訓練以提升準確性。 PubMed DOI

這項研究發現，GPT-4在整理小麥和大麥相關科學論文的遺傳資料時，準確率高達97%，擷取性狀和標記-性狀關聯的表現也比GPT-3.5好，錯誤率更低。GPT-4有時甚至能達到人類專家的96%水準。雖然還有改進空間，但未來在協助整理科學資料上很有潛力。 PubMed DOI

研究團隊開發了 NanoSafari 這套生成式 AI 工具，能用創新的資訊擷取方法（GIVE）從兩萬多篇論文中精準收集奈米材料設計數據。結合大型語言模型後，NanoSafari 提供比傳統模型更可靠、精確的資訊，並經專家與實驗驗證，展現 AI 協助生物材料與生醫工程研究的潛力。 PubMed DOI

這項研究發現，GPT-4在從小麥和大麥論文中擷取遺傳性狀資料的表現相當優異，論文分類準確率高達97%，性狀擷取率有80%，標記-性狀關聯擷取率則為61%，錯誤率也比GPT-3.5低。雖然還有進步空間，但GPT-4已展現輔助生物資料庫整理的潛力。不過，使用時仍需留意資料可能不夠完整或正確。 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

這篇文章整理了最新AI技術，像是深度學習、大型語言模型和多模態模型，如何徹底改變植物疾病偵測和抗病性預測。內容涵蓋AI在疾病辨識、組學資料分析和性狀選拔的進展，也討論多元資料整合的應用。文中同時指出資料、模型和隱私等挑戰，並提出未來可結合大型語言模型與聯邦學習。整體來說，這是加速抗病作物育種的實用參考。 PubMed DOI

研究人員用大型語言模型分析超過7萬篇植物生物學摘要，萃取出近500萬個功能性關聯，涵蓋240萬個生物實體，準確率超過85%。這些資料都整理在PlantConnectome資料庫，方便科學家查詢基因網絡、蛋白質互動和壓力反應，快速掌握最新研究。資料庫網址：https://plant.connectome.tools/ PubMed DOI