Verbesserung der Metadaten-Pflege durch den Einsatz einer strukturierten Wissensbasis in Kombination mit Großen Sprachmodellen
Der Einsatz von Großen Sprachmodellen wie GPT-4 in Kombination mit einer strukturierten Wissensbasis in Form von Metadaten-Vorlagen kann die Einhaltung von Metadaten-Standards deutlich verbessern.
Verbesserung der Leistung von biomedizinischen Named Entity Recognition-Systemen durch Bereinigung von Transkripten mit Hilfe von GPT4
Durch den Einsatz von GPT4 zur Bereinigung von Audiotranskripten können die Leistungen von biomedizinischen Named Entity Recognition-Systemen deutlich verbessert werden.
Extrahieren von Protein-Protein-Interaktionen (PPIs) aus biomedizinischer Literatur mithilfe von aufmerksamkeitsbasierten relationalen Kontextinformationen
Die Studie präsentiert einen Transformer-basierten Deep-Learning-Ansatz zur Extraktion von PPIs aus wissenschaftlicher Literatur, der die Leistung früherer Modelle übertrifft.
Vorhersage der Arzneimittelsensitivität von Einzelzellen durch adaptive gewichtete Merkmale für adversariale Multi-Quellen-Domänenanpassung
Die Entwicklung eines Modells zur Vorhersage der Arzneimittelsensitivität auf Einzelzellebene durch adaptive gewichtete Merkmale und Multi-Quellen-Domänenanpassung.
ProFSA: Selbstüberwachtes Taschen-Vorabtraining über Protein-Fragment-Umgebungen
ProFSA erreicht herausragende Leistungen in der Vorhersage von Taschendruggability, Taschenabgleich und Ligandenbindungsaffinität.
Entdeckung neuer biomedizinischer Konzepte durch geometrie-eingeschränkte probabilistische Modellierung
Die geometrie-eingeschränkte probabilistische Modellierung ermöglicht die Entdeckung neuer biomedizinischer Konzepte durch die Regulierung des Layouts des Einbettungsraums.
© 2024 by Linnk AI