机构名称：
¥ 1.0
* 除 A.G. 外，所有作者的排序均使用根据其名称预测的蛋白质结构的平均置信度得分 [1,2] 人工智能 (AI) 工具在科学研究中的受欢迎程度和使用率在各个领域都在增加 [3]，但出版标准松懈导致论文“像稻草搭的豪宅，而不是坚固的砖房” [4]。在生物医学领域，AI 方法涵盖从基础生物学到临床应用 [5–8]，例如优先考虑化学药品作为候选药物 [9]、破译转录因子-DNA 结合偏好 [10]、检测 RNA 修饰 [11]、学习细胞治疗的效果 [12]，以及将医学图像与文本注释关联 [13]。尽管专家一再坚持共享 AI 训练数据、代码和模型权重（进行新预测所需的已保存参数）是必要的最佳实践 [14–16]，但它们并不是作者或出版商的普遍做法。接受调查的生物学期刊中，仅有 10% 要求共享分析代码 [17]。这种糟糕的现状需要改变。实验生物学界表明有一条道路可走
再次呼吁生物医学领域开放人工智能
主要关键词
相关文件推荐
