机构名称：
¥ 1.0
本研究提出了一个利用检索增强产生（RAG）来增强大肠杆菌（E.COLI）基因组学中复杂生物信息学数据的解释和分析的框架。通过整合包括成对对准的生物信息学工具，NCBI注释，多序列对准（MSA）与大语言模型（LLM）（例如GPT O3-MINI），GEMINI 2.0 Advanced Flash Thinky Thinking Thinking Thinking Trusive trining实验模型以及Grok 3，我们的方法将实时数据的试验与动态数据的自然语言生成结合。这种集成使原始计算输出转换为连贯且可访问的叙述，从而有助于对基因组组织和基因功能的更深入了解。通过检索特定于域的知识来增强llm功能的RAG框架，然后将其用于完善和上下文化生成的见解。通过自定义提示工程，我们的系统合成了不同的数据集，以突出多个大肠杆菌菌株的基因组变异，保守同义和注释一致性的关键方面。通常，我们的工作表明，将抹布与传统的生物信息学方法整合在一起，为在微生物研究中为更有效，更准确的基因组分析铺平了强大，可扩展的解决方案，以将复杂的基因组数据集转化为具有动作能力的生物学见解。
用...
主要关键词
相关文件推荐
