AutoBA是一款創新的AI工具，專為自動化多組學生物資訊分析而設計。它利用大型語言模型簡化分析過程，使用者只需提供少量輸入，並能獲得詳細的步驟計劃。AutoBA能根據數據變化自我調整分析流程，並支持多個LLM後端，提供在線及本地使用選項，確保數據安全與隱私。此外，它具備自動代碼修復機制，增強分析穩定性，並能隨著新興工具的發展而適應，成為多組學分析的強大解決方案。 PubMed DOI

「AI 科學家」是一種創新的生物醫學研究方法，旨在設計 AI 系統來增強人類能力，而非取代人類。這些 AI 代理能進行懷疑式學習和推理，與人類研究者有效合作。透過整合先進的 AI 模型與生物醫學工具，它們能分析大量數據、探索假設並自動化重複性任務，簡化研究過程。這些代理還能持續學習，保持最新的科學知識，應用於虛擬細胞模擬、新療法開發等領域，促進生物醫學研究的進步。 PubMed DOI

SciAgents 方法針對人工智慧中的一大挑戰，創造出能自主增進科學理解的系統。它結合了三個主要元素：大規模本體知識圖譜、語言模型與數據檢索工具，以及具即時學習能力的多代理系統。在生物啟發材料領域，SciAgents 揭示了被忽視的跨學科連結，超越傳統研究方法，能自主制定和修正假設，發現新材料並批判現有假設，促進可持續的生物複合材料開發。 PubMed DOI

人工智慧（AI）正透過分析大型數據集來改變科學發現，尤其是在精準健康與醫學領域。不過，生物醫學數據常常零散且不一致，整合上有挑戰。為了解決這個問題，我們開發了**BioMedGraphica**，這是一個綜合平台，擁有超過300萬個實體和5600萬個關係的統一文本屬性知識圖譜，數據來自43個生物醫學數據庫。這個平台讓研究人員能進行知識發現，並以友好的介面提供與藥物、疾病等相關的豐富信息，還能創建多組學信號圖，助力新型AI模型的開發。 PubMed DOI

大型語言模型（LLMs）已經在實驗室工作流程中帶來了顯著進展，特別是在化學研究的自主化方面。本報告介紹了ChemAgents，這是一個由多代理系統和Llama-3.1-70B LLM驅動的機器人AI化學家。ChemAgents能在少量人類介入下執行複雜實驗，並協調文獻閱讀、實驗設計、計算執行和機器人操作等四個專門代理。系統在六個實驗任務中展現了其有效性，並成功在新機器人化學實驗室中自主進行光催化反應，顯示出其可擴展性和適應性，為化學研究的自主化鋪平道路。 PubMed DOI

BRAD agent 是一套開源軟體，能把大型語言模型和外部研究工具、資料來源整合，提升生醫研究的透明度和可重現性。它強調資料來源清楚、操作流程可靠，能自動化文獻檢索、biomarker 發現等任務，彈性高，適合多種應用。原始碼和文件都已公開。 PubMed DOI

DREAM 是全球首個全自動化生物醫學研究系統，能獨立提出科學問題、建立運算環境並驗證結果，完全不需人工協助。它在問題提出和運算環境設定上都比專家更厲害，還能發現新知識，效率甚至比一般科學家快上萬倍，對生醫和數據研究有很大幫助。 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

研究團隊把GPT-4和專業腫瘤醫學工具結合，開發出能自主做臨床決策的AI代理。測試20個複雜癌症案例時，AI選對工具的機率有87.5%，臨床決策正確率91%，引用指引正確率75.5%。這套系統比單用GPT-4準確率高出許多，證明結合語言模型和專業工具能大幅提升癌症照護決策品質。 PubMed DOI

生成式AI正加速新藥開發、蛋白質與基因研究，也推動個人化醫療和農業創新，像是培育更優良作物。它還促進合成生物學和永續發展。不過，資料隱私和公平性等倫理問題也要一起重視，才能確保負責任的應用。 PubMed DOI