AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-22
以大型語言模型驅動建構抗生素抗藥性資料集與知識圖譜，以加速抗生素抗藥性基因的發現
原標題: LLM-powered construction of antibiotic resistance datasets and knowledge graphs for accelerated antibiotic resistance gene discovery
為了解決抗生素抗藥性研究中標註過時、涵蓋範圍有限且偽陽性率偏高的問題,研究人員開發了一條 LLM 管線,可從完整論文與補充資料中擷取抗藥性知識。他們利用超過 8,570 篇論文建立了 AResDB,並建立了包含超過 5,210 萬個三元組的 AResKG。與現有知識圖譜相比,AResKG 提升了常用機器學習方法在預測基因–抗生素抗藥性關係方面的表現。