人工智能大模型的100个生信案例之提取基因名字

文章预览

前面我们在： 生信方向的博士找博士后机会不能只看ngs数据处理技术啊！  强调了，在人工智能大模型的加持下，普通入门级别生信工程师跟有三五年工作经验的没什么区别啦。接下来我们就使用人工智能大模型的100个生信案例告诉大家，希望大家能持续关注哦！ 2017的一个文章：《Meta-signature of human endometrial receptivity: a meta- analysis and validation study of transcriptomic biomarkers》 做了很多独立的公共数据集里面的表达量矩阵分组后的差异分析，然后使用rra整合算法拿到了可靠的上下调基因，但是隐藏在下面的图里面：   我的提问非常简单： 帮我把里面的基因名字提取出来，然后制作成为了r里面的向量的代码格式：Different membrane-associated proteins (ABCC3, ANXA2, ANXA4, AQP3, CD55, DKK1, DPP4, EDN3, EDNRB, EFNA1, ENPEP, SFRP4, SLC1A1, SPP1, TSPAN8), epithelial cell tight junction protein (CLDN4) ………………………………