VaxLLM:利用微调的大型语言模型对布鲁塞拉疫苗进行自动注释

科学领域:

• 疫苗学 疫苗学 疫苗学
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 疫苗研究产生了大量的文献,使手册注释成为一个耗时的过程.
• 自动化疫苗相关信息的分类和提取对于有效的知识管理至关重要.
• 本研究侧重于布鲁塞拉疫苗作为开发自动注释工具的模型系统.

研究的目的:

• 开发和评估一个自动化管道,用于对疫苗的科学文献进行分类和注释.
• 利用大型语言模型 (LLM) 在疫苗研究中有效提取知识.
• 与传统方法相比,提高疫苗数据注释的速度和准确性.

主要方法:

• 开发了一种使用VaxLLM的自动管道,这是一个微调的Llama 3模型,用于分类和注释疫苗文章.
• VaxLLM识别疫苗配方并提取关键信息,包括抗原,平台,宿主物种和实验细节.
• 集成的PubTator,以提高注释准确度,并促进下游分析.

主要成果:

• VaxLLM在分类 (精度:0.90,回忆:1.0,F1-Score:0.95) 和注释准确性 (97.9%) 中取得了高绩效.
• 微调的VaxLLM显著超过了非微调的Llama 3模型.
• 来自VaxLLM的结构化输出有助于整合到像VIOLIN这样的疫苗知识库中.

结论:

• VaxLLM能够从出版物中快速准确地提取详细的疫苗信息.
• 该模型在速度和精度上明显优于传统的注释方法.
• 在疫苗研究的更广泛领域,VaxLLM显示了自动化知识提取的巨大潜力.