LLM结合组学数据精准识别药物靶点

在生物医学发现中，综合文献先验知识对于解读组学数据至关重要。然而，大型语言模型（LLM）单独使用仅能从文本中检索疾病机制，缺乏特定队列的定量证据。近日，研究人员提出了一个名为Text-to-Target的框架，该框架将模式约束的多模型LLM检索与数值组学数据分析相结合。其核心设计是模态感知融合步骤：候选靶标被划分为重叠支持的锚点，从而优先考虑有定量支持的靶点。这一方法有望提高药物靶点发现的准确性和可靠性。需要注意的是，该研究目前为预印本，尚未经过同行评审。