大型语言模型生成科学假设：乳腺癌治疗中的实验室验证
定量方法
2025-05-09 v3 机器学习
细胞行为
摘要
大型语言模型（LLM）已经改变了人工智能，并在广泛的任务上取得了突破性表现。在科学领域，LLM最有趣的应用是假设形成。LLM的一个特征源于其概率结构，即输出文本不一定是训练文本的有效推理。这些被称为幻觉，在许多应用中是有害的。在科学中，一些幻觉可能是有用的新颖假设，其有效性可以通过实验室实验来检验。在这里，我们以乳腺癌治疗领域为例，实验性地测试了LLM作为科学假设来源的应用。我们应用LLM GPT-4来假设新颖的协同配对FDA批准的非癌症药物，这些药物针对MCF7乳腺癌细胞系（相对于非致瘤性乳腺细胞系MCF10A）。在第一轮实验室实验中，GPT-4成功发现了12种测试组合中的3种药物组合，其协同得分高于阳性对照。GPT-4随后根据其初步结果生成了新的组合；这产生了另外3种具有正协同得分的组合（共测试4种）。我们得出结论，LLM是科学假设的宝贵来源。
引用
@article{arxiv.2405.12258,
title = {Scientific Hypothesis Generation by a Large Language Model: Laboratory Validation in Breast Cancer Treatment},
author = {Abbi Abdel-Rehim and Hector Zenil and Oghenejokpeme Orhobor and Marie Fisher and Ross J. Collins and Elizabeth Bourne and Gareth W. Fearnley and Emma Tate and Holly X. Smith and Larisa N. Soldatova and Ross D. King},
journal= {arXiv preprint arXiv:2405.12258},
year = {2025}
}
备注
12 pages, 6 tables, 1 figure. Supplementary information available