原始文章

生命科學文獻量暴增,人工整理越來越困難。本研究證明,只要設計好提示語和檢查流程,大型語言模型就能自動產出高品質、正確引用的非編碼RNA文獻摘要。人工審查也認可這些摘要的品質。這次共產生超過4,600篇摘要,已上架RNAcentral。未來只要做好品質控管,知識庫就能自動化產生文獻摘要。 PubMed DOI


站上相關主題文章列表

這項研究探討微小RNA(miRNA)與信使RNA(mRNA)之間的互動,並強調從PubMed文章中提取這些互動的挑戰。研究人員建立了一個miRNA-mRNA互動語料庫(MMIC),並評估了多種機器學習和大型語言模型的表現。結果顯示,PubMedBERT在精確度和召回率上表現最佳,達到0.783。而Llama-2在零樣本和三樣本實驗中也有不錯的表現,特別是在召回率上優於其他模型,但在精確度上仍需改進。這顯示Llama-2在提取miRNA-mRNA互動方面具有潛力。 PubMed DOI

臨床敘述的摘要對編碼人員來說非常重要,但臨床文本的複雜性卻帶來挑戰。最近的研究顯示,大型語言模型(LLMs)在摘要臨床文本方面有潛力,特別是在放射學和心臟超音波領域。研究團隊從MIMIC-III資料庫創建了一個數據集,並對兩個開源LLM進行微調,結果發現生物醫學預訓練模型的表現優於一般模型。這顯示針對臨床領域的LLM能成為編碼人員的有用工具,未來應該調整更先進的模型以提升表現。 PubMed DOI

這篇文章探討如何將大型語言模型(LLMs)融入科學工作流程,將原始文本轉化為有條理的敘事,並運用語義網技術。文章強調敘事在傳遞複雜科學資訊中的重要性,以及生成文本的可靠性。研究定義了「敘事事件」,並比較了不同小型LLM在特定需求下的表現,重點在於保持原始敘事的完整性。初步評估顯示,LLaMA 2在生成與源文本緊密對齊的敘事事件方面最為有效,並且透過提示工程技術進一步提升了輸出質量。 PubMed DOI

生命科學領域的出版物數量不斷增加,特別是在RNA科學方面,這對策展人來說是一大挑戰。為了解決時間不足的問題,本研究探討利用大型語言模型(LLMs)自動生成與非編碼RNA(ncRNAs)相關的高品質摘要。研究結果顯示,透過適當的提示和驗證,LLMs能產生準確的摘要並附上參考文獻。經手動評估後,這些摘要的質量相當高,已應用於超過4,600種ncRNAs,並可透過RNAcentral資源訪問。這表明自動文獻摘要是一個可行的解決方案。欲了解更多,請訪問RNAcentral網站:https://rnacentral.org/。 PubMed DOI

生命科學文獻量暴增,人工整理越來越吃力。這項研究用大型語言模型(LLMs)自動產生高品質、正確又有參考文獻的非編碼RNA(ncRNA)摘要,大多數都獲得專家好評。總共產出超過4,600篇摘要,已公開在RNAcentral。結果證明,只要設計好提示並自動檢查,現有LLMs就能自動化文獻摘要整理。 PubMed DOI

這項研究發現,GPT-4在總結腦瘤支持論壇貼文時,品質和效率都勝過GPT-3.5、Llama 3和傳統主題分析法,結果也跟人工分析相近,但速度快很多。雖然GPT-4很有潛力協助健康相關資料分析,但還是有模型偏誤和處理限制等問題需要注意。 PubMed DOI

這項研究發現,大型語言模型(LLMs)能自動從文本中擷取蛋白質交互等分子資料,表現比人工處理更有效率。雖然在部分基因細節上還有困難,但整體來說,LLMs有助於加速生物知識的發現與應用。 PubMed DOI

大型語言模型正改變基因體醫療,能快速分析文獻和基因資料,提升診斷與治療建議的精準度。雖然還有挑戰待克服,但隨著技術進步和跨領域合作,未來 AI 將成為臨床基因體分析的主流工具,推動個人化醫療發展。 PubMed DOI

這篇論文提出用大型語言模型自動產生高品質科學文獻綜述的方法,不只品質媲美人工,還能跨領域應用,使用者不用專業背景也能操作。系統有嚴格控管,產生錯誤資訊的機率極低(低於0.5%)。在催化劑研究領域測試時,能全面且可靠地整理資料。釋出的軟體讓大家一鍵就能產生綜述,大幅提升研究效率。 PubMed DOI

這篇研究發現,大型語言模型在沒經過特別訓練下,結合檢索增強生成(RAG)和提示工程,能有效自動摘要專業資訊,表現不錯。不過,還是會遇到像網頁爬蟲限制和偶爾誤解任務等問題,未來還需要進一步優化。 PubMed