Nat Commun | DrBioRight 2.0：由大语言模型驱动的、进行癌症功能蛋白质组学分析的生物信息学聊天机器人

关注

原创最新推荐文章于 2026-03-13 09:00:51 发布 920 阅读 AI 写同款· GEO 优化 ›

2025年03月06日，来自美国德克萨斯大学MD安德森癌症中心的Han Liang团队在《Nature Communications》上发表了题为“DrBioRight 2.0: an LLM-powered bioinformatics chatbot for large-scale cancer functional proteomics analysis”的重要研究。该研究搭建了一个由大语言模型（LLM）驱动的智能生物信息学聊天平台——DrBioRight 2.0。

研究团队首先构建了一个大规模高质量的癌症功能蛋白质组数据库RPPA500，整合了来自 TCGA的7828个患者肿瘤样本和CCLE的878个癌细胞系，覆盖447个蛋白标记物（其中包括357个总蛋白和90个翻译后修饰蛋白），这些蛋白广泛分布于50个癌症标志性通路中，显著扩展了以往仅包含约200种蛋白标记物的数据资源。

接下来为提升数据可用性，作者开发了DrBioRight 2.0平台，该平台集成大语言模型，通过自然语言处理技术，允许用户通过对话方式对多组学数据（DNA、RNA、蛋白、临床信息等）进行查询、分析与可视化，极大地降低了专业门槛。相比传统平台（如 TCPA）分析模块固定、功能受限的问题，DrBioRight 2.0 建立在高效No-SQL数据库之上，为用户提供高度灵活的定制化分析，并且支持代码自动生成、插件式可视化（如热图、生存分析、相关性分析等）、结果导出（R Markdown 报告）等先进功能，极大提高了癌症蛋白组数据的可访问性和分析效率。

综上，DrBioRight 2.0 不仅具有大规模的癌症蛋白组学资源，还通过 LLM 技术为癌症研究人员，尤其是非计算背景的研究者，提供了更加便捷的数据分析平台。其自然语言交互、分析透明可复现、用户友好性等特性，展现了未来生物信息学工具向智能化、交互化和个性化发展的趋势。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述