LLM文献抽取流程建成蛋白缓冲液数据库

研究团队提出一套由大语言模型驱动的文献抽取流程，将非结构化科学文献转换为可查询的结构化数据库，抽取准确率约97%。该流程结合光学字符识别、自训练reranker模型与大语言模型，处理了与RCSB Protein Data Bank相关的100 353篇结构生物学文献。 据此构建的数据库包含947 153条缓冲液条目、73 210条表达方案，覆盖35 690个不同蛋白，作者称其为同类资源中规模最大者。配套的ProBufEx网页平台支持按蛋白性质或功能检索最优条件。上述规模与“最大”定位均为作者说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。