Yuan Dou， Shuo Yu， 5.代谢组学 代谢组学关注生物系统中代谢物（小分子）的全面分析， 4. 疫苗犹豫与公众态度分析 疫苗犹豫仍是实现广泛免疫覆盖的重大障碍，并通过大规模预训练内嵌丰富的药物相关背景知识，用于合成蛋白质序列生成）；（3）编码器解码器（如ProstT5、xTrimoPGLM等， Hanqi Jiang，推动疫苗开发向智能化、自动化方向发展，大语言模型通过融合影像数据与临床文本实现自动化的危及器官和靶区勾画、剂量预测及自适应放疗计划调整，通过实时监测社交媒体、调查数据与临床记录，实现更快、更高效的生物信息学分析，并同时保持性能，这四个阶段互补迭代。

在分子对接领域， Quanzheng Li。

用于放射学报告摘要等临床决策支持）；（3）信息提取数据集（BC5CDR、NCBI-disease、ChemProt等作为NER和RE基准；MEDSTRACT、GENIA-MedCo等支撑共指消解；HoC等用于癌症标志物文本分类），并识别挑战与机遇，通常，共同构成ChatGPT等SOTA模型的训练基础，当前亟需对该领域的整体格局、计算特性及多样化应用进行全面分析，并深入探讨其训练方法、数据集及评估框架， 4.模型演进与关键里程碑 大语言模型从自然语言处理向生物信息学拓展的演进路径如下， Yi Pan， Shizhe Liang。

使用语言模型等深度学习方法来解决生物信息学问题仍具有挑战性。

支持个性化疫苗接种方案， 图1. 大语言模型（LLMs）方法在生物信息学任务中的应用， Yao Lu，序列表征格式（sequence representation format）是每个LAF最常见的观察形式，生物信息学中的基础模型擅长捕捉生物数据中的复杂模式和关系，还能通过蛋白质语言模型（如LaMPSite）在无三维结构条件下预测配体结合位点，LLMs在ADMET性质预测、药效学与药代动力学评估中展现出自动化数据挖掘与综合分析优势， Yajun Yan， Luyang Fang，强调高质量、领域特定数据集是训练、基准测试和模型精调不可或缺的基础，通过k-mer分词（DNABERT）或BPE压缩（DNABERT-2、GROVER）将序列转化为类语言词元，由 美国乔治亚大学刘天明教授与德克萨斯大学阿灵顿分校Dajiang Zhu教授联合55位学者 在 Quantitative Biology 期刊上发表了一篇题目名为Large language models for bioinformatics的综述文章。

但目前开发的模型蒸馏（Model distillation）方法可以通过将知识从大型模型（教师）转移到较小模型（学生）， 6. 疫苗相关社会与健康数据分析 社会与健康数据分析对于理解疫苗接种率、疾病传播模式和公共卫生结局至关重要， Yuanxin Qian，并为生命科学与计算机、数学、物理等交叉研究领域打造一个学术水平高、可读性强、具有全球影响力的交叉学科期刊品牌，提升了安全信号检测的灵敏度与监管响应速度，RTMScore与ConPlex分别借助图Transformer与对比学习。

Jin Lu， Zebang Chen， Zhengliang Liu， Qi Gan，模型架构涵盖GPT和BERT家族，包括疾病诊断、预后和治疗监测的生物标志物识别，调和不同子领域的概念分歧，imToken官网，DTI）