结合DNA编码器（Nucleotide Transformer v2）与英文解码器（Vicuna-7b），通过投影层将生物序列嵌入到语言模型空间，实现跨模态理解。在Nucleotide Transformer基准（18项任务）中，ChatNT平均马修斯相关系数（MCC）达0.77，超越原模型（0.69）。：当前的基础模型（如Nucleotide Transformer）需针对每个任务单独微调，导致

试验方案 (Trial Protocols): 药物 (Drugs)、疾病条件 (Conditions)、生物标志物 (Biomarkers)、分组设计 (Dispositions/Arms)、主要终点 (Endpoints)。1. 测试模型：GPT-4o, GPT-4o-mini, O3-mini (专注重推理), LLaMA-3.3-70B-Instruct, LLaMA-3.1-8B-Ins

2025年4月6日，Genentech公司Aviv Regev团队联合斯坦福大学、哈佛大学、清华大学等全球顶尖机构，在bioRxiv发表重磅研究《SpatialAgent: An autonomous AI agent for spatial biology》。该研究成功开发了SpatialAgent——一个由大语言模型（LLM）驱动的自主AI系统，能够独立完成空间生物学研究的全流程工作，涵盖实验

在生物医学、材料科学、经济学和气候科学等领域，表格数据（以行和列组织的电子表格）无处不在。传统上，梯度提升决策树（如XGBoost、CatBoost）在过去20年主导了表格数据的预测任务。然而，来自弗莱堡大学的研究团队近日在《Nature》发表了一项突破性研究，提出了一种名为TabPFN（Tabular Prior-data Fitted Network）的表格基础模型，在小规模数据集（≤10,0

试验方案 (Trial Protocols): 药物 (Drugs)、疾病条件 (Conditions)、生物标志物 (Biomarkers)、分组设计 (Dispositions/Arms)、主要终点 (Endpoints)。1. 测试模型：GPT-4o, GPT-4o-mini, O3-mini (专注重推理), LLaMA-3.3-70B-Instruct, LLaMA-3.1-8B-Ins