功能性蛋白質組學在癌症研究中非常重要，能幫助識別新的生物標記和治療目標。我們建立了一個全面的資源，包含近8,000名癌症患者和約900個癌症細胞系的數據，並挑選了近500種高品質抗體，涵蓋主要癌症通路。為了提升可用性，我們推出了DrBioRight 2.0（https://drbioright.org），這是一個直觀的生物資訊平台，結合大型語言模型，讓研究人員能深入分析和視覺化蛋白質組學數據，加速轉化為生物醫學見解。 PubMed DOI

這篇論文提出了一個針對糖尿病患者的智能問答系統，目的是提供個人化的醫療資訊。系統結合大型語言模型與知識圖譜，克服傳統醫療系統的限制。使用Neo4j的知識圖譜，並結合Baichuan2-13B和Qwen2.5-7B模型，透過低秩適應和提示學習技術提升性能。評估結果顯示，實體識別精確度達85.91%，意圖分類達88.55%。這項研究顯示結合大型語言模型與知識圖譜的潛力，為未來個人化醫療解決方案提供了新方向。 PubMed DOI

這項研究專注於利用先進的檢索增強生成（RAG）系統，結合更新版的膳食補充品知識庫2.0（iDISK2.0），提升膳食補充品資訊的準確性。iDISK2.0整合可信來源的數據並進行清理，提升質量。RAG系統結合生物醫學知識圖譜與大型語言模型，能提供準確的證據回應，解決獨立LLMs的錯誤資訊問題。評估結果顯示，準確率達99%和95%，顯著優於獨立LLMs。未來將擴展至其他生物醫學領域，並透過真實查詢增強評估。 PubMed DOI

這項研究開發了DiMB-RE，專注於飲食與微生物組的關聯，旨在增進對健康影響的理解並支持個人化營養。DiMB-RE包含15種實體類型和13種關係類型，共有14,450個實體和4,206個關係，來自165篇文獻。經過微調的自然語言處理模型在實體識別和關係提取上表現良好，F1分數分別為0.800和0.445。研究顯示，結果部分的註釋有助於改善關係提取。DiMB-RE是同類中最大的語料庫，相關資源可在GitHub上找到。 PubMed DOI

這項研究分析了超過80,000篇文獻，深入探討代謝組學領域。作者利用PubMedBERT將摘要轉換為768維的嵌入向量，並透過t-SNE降維，揭示了在化學、植物生物學、藥理學及臨床診斷等領域的聚類現象。結合GPT-4o mini的主題建模，研究分為20個主題，如「植物壓力反應機制」及「COVID-19代謝組學」。時間分析顯示，自2015年後深度學習的應用增加，且對生物標記的重視持續。研究團隊還提供互動式網頁應用，方便探索這些見解，為研究人員和政策制定者提供有價值的框架。 PubMed DOI

這項研究開發了NICRP-Framework，運用先進NLP技術和大型語言模型，分析各類飲食資料來預測大腸直腸癌風險。該框架能有效處理資料不平衡問題，找出關鍵營養因子，預測準確率高達98.4%。這有助於深入了解飲食與癌症的關聯，並推動更精準、個人化的預防策略。 PubMed DOI

研究團隊整合生醫文獻和資料庫，建立阿茲海默症知識圖譜（ADKG），用NLP技術捕捉AD相關基因、藥物等複雜關聯。經ADKG訓練的模型能預測新關聯，並結合UK Biobank資料後，提升AD預測準確度。ADKG有助於加速治療與診斷發現，推動阿茲海默症精準醫療發展。 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

作者們開發了 FoodSky，一款專為食物領域設計的大型語言模型，結合完整食物知識庫和先進演算法。FoodSky 在專業食物考試中表現優於一般模型，展現出在烹飪和飲食相關任務上的高效能，為食物專業 AI 設下新標準。 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