九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

王建民

大型語(yǔ)言模型 (LLM, Large Language Models) 是一種特殊的機(jī)器學(xué)習(xí)模型，經(jīng)過(guò)訓(xùn)練可以處理文本。通常，他們通過(guò)向模型展示大量文本（語(yǔ)料庫(kù)）來(lái)訓(xùn)練它們，其中包含人們傾向于如何使用各種單詞的示例，并且通過(guò)使用自我監(jiān)督學(xué)習(xí)技術(shù)，不需要非常昂貴的數(shù)據(jù)標(biāo)記過(guò)程。在分析大量文本數(shù)據(jù)的行業(yè)中，大型語(yǔ)言模型 (LLM) 的使用是不可避免的。與其他類(lèi)型的模型相比，它們處理更大的數(shù)據(jù)集，具有復(fù)雜的架構(gòu)設(shè)計(jì)，并且在生成文本、摘要、翻譯、回答問(wèn)題和情感分析等任務(wù)中具有接近人類(lèi)水平的準(zhǔn)確性。 

大型語(yǔ)言模型 (LLM) 越來(lái)越多地應(yīng)用于生物技術(shù)和藥物研究，包括蛋白質(zhì)序列生成、藥物發(fā)現(xiàn)和計(jì)算生物學(xué)。ProGen、ChemCrow 和 ChatGPT 是這些領(lǐng)域中使用的 LLM 示例，可幫助研究人員優(yōu)化工作流程、分析數(shù)據(jù)并產(chǎn)生新見(jiàn)解。

Progen是一種深度學(xué)習(xí) LLM，能夠生成跨大型蛋白質(zhì)家族具有可預(yù)測(cè)功能的蛋白質(zhì)序列。ProGen 接受了來(lái)自 19,000 多個(gè)家族的 280M 蛋白質(zhì)序列的訓(xùn)練，并且該模型增加了指定蛋白質(zhì)特性的控制標(biāo)簽?？梢詫?duì) ProGen 進(jìn)行微調(diào)，以使用特定序列和標(biāo)簽創(chuàng)建更準(zhǔn)確的蛋白質(zhì)序列。

Madani, A., Krause, B., Greene, E.R. et al. Large language models generate functional protein sequences across diverse families. Nat Biotechnol (2023). 

https://doi.org/10.1038/s41587-022-01618-2

盡管LLM在各個(gè)領(lǐng)域的任務(wù)中表現(xiàn)出色，但他們經(jīng)常在與化學(xué)相關(guān)的問(wèn)題上苦苦掙扎。此外，這些模型無(wú)法訪問(wèn)外部資源，這限制了它們?cè)诳茖W(xué)研究中的實(shí)用性。ChemCrow是一個(gè) LLM 化學(xué)代理，旨在解決這個(gè)問(wèn)題。該模型旨在完成藥物發(fā)現(xiàn)、有機(jī)合成和材料設(shè)計(jì)方面的任務(wù)。

已集成 13 種專(zhuān)家設(shè)計(jì)的工具來(lái)開(kāi)發(fā) ChemCrow，從而增強(qiáng)其在化學(xué)方面的性能。該模型能夠幫助專(zhuān)業(yè)化學(xué)家并降低非專(zhuān)家的障礙。此外，它可以通過(guò)彌合實(shí)驗(yàn)化學(xué)和計(jì)算化學(xué)之間的差距來(lái)促進(jìn)科學(xué)進(jìn)步。

Bran, Andres M., Sam Cox, Andrew D. White, and Philippe Schwaller. "ChemCrow: Augmenting large-language models with chemistry tools." arXiv preprint arXiv:2304.05376 (2023).

密歇根州立大學(xué)的研究人員探索了 ChatGPT 在藥物發(fā)現(xiàn)中的用途。他們得出了以下結(jié)果：

• ChatGPT 可以根據(jù)科學(xué)文獻(xiàn)進(jìn)行微調(diào)，并可用于生成特定疾病最新研究的摘要。這可以幫助研究人員確定新的潛在靶標(biāo)或更好地了解特定領(lǐng)域的研究現(xiàn)狀。 

• 通過(guò)在一組已建立的類(lèi)藥物分子上訓(xùn)練 ChatGPT，可以產(chǎn)生具有相似特征的新型化學(xué)結(jié)構(gòu)。這種方法可以幫助科學(xué)家在臨床前和臨床研究中以更高的成功率識(shí)別新的先導(dǎo)化合物。

• ChatGPT 可以預(yù)測(cè)新藥的藥代動(dòng)力學(xué)和藥效學(xué)，支持早期藥物發(fā)現(xiàn)中化學(xué)庫(kù)的虛擬篩選。

• ChatGPT 可以在毒性數(shù)據(jù)的數(shù)據(jù)集上進(jìn)行訓(xùn)練，然后用于預(yù)測(cè)新藥的潛在毒性作用。

Sharma, Gaurav, and Abhishek Thakur. "ChatGPT in drug discovery." (2023).

以下是計(jì)算生物學(xué)家使用 ChatGPT/GPT-4 優(yōu)化工作流程的一些方法：

• 使用 ChatGPT 可以提高代碼的可讀性和文檔。

• ChatGPT 可以協(xié)助編寫(xiě)高效的代碼。

• 研究人員可以通過(guò) RStudio 和 Visual Studio Code 的插件將 ChatGPT 集成到他們的 IDE 中。

• ChatGPT 可以通過(guò)幫助更清晰地表達(dá)想法來(lái)改進(jìn)科學(xué)寫(xiě)作。

• ChatGPT 可用于清理和協(xié)調(diào)數(shù)據(jù)。

• 可以改進(jìn)數(shù)據(jù)可視化，因?yàn)?ChatGPT 可以建議新的可視化技術(shù)并增強(qiáng)現(xiàn)有數(shù)據(jù)。

• GPT API 可用于針對(duì)特定應(yīng)用對(duì)系統(tǒng)進(jìn)行微調(diào)，并且可以調(diào)整參數(shù)以控制響應(yīng)的創(chuàng)造性和重復(fù)性。

Lubiana, Tiago, Rafael Lopes, Pedro Medeiros, Juan Carlo Silva, Andre Nicolau Aquime Goncalves, Vinicius Maracaja-Coutinho, and Helder I. Nakaya. "Ten Quick Tips for Harnessing the Power of ChatGPT/GPT-4 in Computational Biology." arXiv preprint arXiv:2303.16429 (2023).

一組研究人員已經(jīng)證明了在生物信息學(xué)教育中使用 ChatGPT 來(lái)幫助學(xué)生生成用于科學(xué)數(shù)據(jù)分析任務(wù)的代碼的可行性。在他們的研究中，ChatGPT 生成代碼將短讀取與人類(lèi)參考基因組進(jìn)行比對(duì)，并將比對(duì)總結(jié)為整個(gè)基因組的計(jì)數(shù)。 

ChatGPT 還可以幫助學(xué)生進(jìn)行系統(tǒng)發(fā)育分析。研究人員使用模型生成的 R 代碼為九個(gè)物種創(chuàng)建了系統(tǒng)發(fā)育樹(shù)。在他們的研究中，研究人員還表明，ChatGPT 可以充當(dāng)虛擬助教，向?qū)W生教授分而治之的方法。

一組研究人員展示了 ChatGPT 在預(yù)測(cè)和解釋常見(jiàn)藥物相互作用 (DDI) 方面的有效性。他們從以前發(fā)表的文獻(xiàn)中準(zhǔn)備了總共 40 個(gè) DDI 列表。他們的研究表明，ChatGPT 在預(yù)測(cè)和解釋 DDI 方面部分有效。 

無(wú)法立即訪問(wèn)醫(yī)療機(jī)構(gòu)的患者可以從 ChatGPT 獲得幫助以獲取有關(guān) DDI 的信息。但是，有時(shí)，該模型可能會(huì)提供不完整的指導(dǎo)。因此，需要進(jìn)一步改進(jìn)，以便患者潛在使用以獲得有關(guān) DDI 的想法。

Juhi, Ayesha, Neha Pipil, Soumya Santra, Shaikat Mondal, Joshil Kumar Behera, Himel Mondal, Neha Pipil Sr, Soumya Santra Sr, and Joshil K. Behera IV. "The capability of ChatGPT in predicting and explaining common drug-drug interactions." Cureus 15, no. 3 (2023).

以下是 ChatGPT 在藥理學(xué)中的用例：

• ChatGPT 可以從科學(xué)文獻(xiàn)中準(zhǔn)確獲取典型的 PK 參數(shù)。

• 該模型可以在R中生成群體PK模型。

• ChatGPT 能夠開(kāi)發(fā)用于可視化的交互式 Shiny 應(yīng)用程序。

• 使用 ChatGPT，可以用最少的編碼知識(shí)開(kāi)發(fā) R 代碼。此外，使用它可以很容易地調(diào)試錯(cuò)誤。

Cloesmeijer, Michael, Alexander Janssen, Sjoerd Koopman, Marjon Cnossen, Ron Mathot, Amsterdam UMC Locatie AMC, and U. M. C. Amsterdam. "ChatGPT in pharmacometrics? Potential opportunities and limitations." (2023).

GeneGPT 是一種新穎的方法，用于教授 LLM 使用國(guó)家生物技術(shù)信息中心 (NCBI) Web API 來(lái)回答基因組學(xué)問(wèn)題。GeneGPT 在 GeneTuring 數(shù)據(jù)集中 75% 的單次任務(wù)和 80% 的零次任務(wù)上取得了最先進(jìn)的結(jié)果。GeneGPT 可以使用領(lǐng)域工具來(lái)增強(qiáng) LLM，以改善對(duì)生物醫(yī)學(xué)信息的訪問(wèn)。

Jin, Qiao, Yifan Yang, Qingyu Chen, and Zhiyong Lu. "GeneGPT: Augmenting Large Language Models with Domain Tools for Improved Access to Biomedical Information." ArXiv (2023).

CancerGPT 是同類(lèi)首創(chuàng)的少樣本學(xué)習(xí)模型，它利用 LLM 來(lái)預(yù)測(cè)缺乏結(jié)構(gòu)化數(shù)據(jù)和特征的稀有組織中的藥物對(duì)協(xié)同作用。它包含大約 124M 個(gè)參數(shù)，甚至可以與具有 175B 個(gè)參數(shù)的更大的微調(diào) GPT-3 模型相媲美。CancerGPT 展示了 LLM 為生物推理提供替代方法的潛力。

Li, Tianhao, Sandesh Shetty, Advaith Kamath, Ajay Jaiswal, Xianqian Jiang, Ying Ding, and Yejin Kim. "CancerGPT: Few-shot Drug Pair Synergy Prediction using Large Pre-trained Language Models." arXiv preprint arXiv:2304.10946 (2023).

ChatGPT 可以分析大量數(shù)據(jù)，包括科學(xué)文章、醫(yī)學(xué)報(bào)告和患者報(bào)告。所有這些分析都可以為骨科疾病的癥狀和治療方案提供新的見(jiàn)解。 

ChatGPT 可以從文本中提取相關(guān)信息，并以結(jié)構(gòu)化的形式呈現(xiàn)。ChatGPT 還可以幫助研究人員創(chuàng)建新的假設(shè)。此外，ChatGPT 通過(guò)分析患者記錄和識(shí)別常見(jiàn)模式，可用于開(kāi)發(fā)臨床決策和支持系統(tǒng)。

Dahmen, Jari, M. Kayaalp, Matthieu Ollivier, Ayoosh Pareek, Michael T. Hirschmann, Jon Karlsson, and Philipp W. Winkler. "Artificial intelligence bot ChatGPT in medical research: the potential game changer as a double-edged sword." Knee Surgery, Sports Traumatology, Arthroscopy (2023): 1-3.

ChatGPT 可以讓研究人員了解特定領(lǐng)域的最新文獻(xiàn)。它可以為手術(shù)后的患者寫(xiě)一份出院小結(jié)。該模型可以幫助處理患者出院記錄、總結(jié)最近的試驗(yàn)、提供有關(guān)倫理準(zhǔn)則的信息等。

Waisberg, Ethan, Joshua Ong, Mouayad Masalkhi, Sharif Amit Kamran, Nasif Zaman, Prithul Sarker, Andrew G. Lee, and Alireza Tavakkoli. "GPT-4: a new era of artificial intelligence in medicine." Irish Journal of Medical Science (1971-) (2023): 1-4.

• https://www.nature.com/articles/s41587-022-01618-2

• https://arxiv.org/abs/2304.05376

• https://chemrxiv.org/engage/chemrxiv/article-details/63d56c13ae221ab9b240932f

• https://arxiv.org/abs/2303.16429

• https://www.biorxiv.org/content/10.1101/2023.03.07.531414v1.abstract

• https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10105894/

• https://europepmc.org/article/ppr/ppr650004

• https://arxiv.org/abs/2304.09667

• https://arxiv.org/abs/2304.10946

• https://link.springer.com/article/10.1007/s00167-023-07355-6

• https://link.springer.com/article/10.1007/s11845-023-03377-8