ChatGPT如何为初学者进入生物信息学领域赋能？

“ChatGPT是人工智能公司OpenAI于2022年11月推出的聊天机器人,能够通过学习和理解人类的语言来进行对话，在提高办公和学习效率方面表现惊人。也引发了人们对它们在促进编程重数据分析方面的潜在用途的巨大兴趣，如生物信息学。凭借其卓越的会话和编程能力（例如rtour.ai网站），ChatGPT有望帮助学生克服编程障碍。然而，作为一个先进的人工智能（AI）系统，聊天机器人的行为在很大程度上依赖于人类操作人员提供的提示。为了充分利用这种潜力来帮助科学数据分析，用于指导聊天机器人的提示必须精心构思，以便得到有效的响应和稳健的结果。

2023年4月20日，Quantitative Biology期刊发表了由美国西弗吉尼亚大学的胡钢清教授、李秉新教授、李新教授，亚利桑那州州立大学的刘莉教授和德克萨斯大学埃尔帕索分校的冯自峰教授团队共同提出的一种名为OPTIMAL的学习模型，用于辅助生物信息学的学习及教育，以期对生物信息学初学者赋能。

图 1 大语言模式聊天机器人辅助科学数据分析的最优模型

受教育文献中自适应学习的启发，作者提出了促进聊天机器人辅助科学数据分析的最优模型：利用大语言模式（large language modes，LLM）聊天机器人通过迭代指导和评估优化提示（图 1）。该模型涉及一系列迭代步骤，以改善与聊天机器人的交流，以进行科学数据分析，并提高学生的学习成果。学生将首先回顾科学问题、分析任务、计算方法和预期输出。他们将会获得关于创建一组草稿提示的指导，这些草稿提示在各个细节级别上描述数据分析任务。然后，学生通过输入提示与聊天机器人对话，以生成代码并执行聊天机器人生成的代码。如果在运行代码后发出错误消息，学生必须评估错误消息并确定继续进行的最佳方式，例如指示聊天机器人在给出错误消息的情况下修改代码或手动调试代码。这个过程不断迭代，直到代码不再发出错误，并输出一个用于关键评估的结果。对于意外的结果，将重新评估和改进提示，重复直到获得预期的结果。在课程结束时，学生应该反思整个交流过程，并回顾代码，以确定是否有遗漏的细节需要添加到初始提示中。这一步可能需要学生查阅相关手册，并总结分析方法，以确保准确性和可重复性。最后，迭代和最终评审期望产生清晰、集中和简明的提示，以及所需数据分析的参考代码。作为概念验证，作者将该模型应用于来自不同生物信息学主题的三个案例研究（图 2），包括：

1. 下一代测序分析中的短序列比对和目视检查
2. 分子进化中DNA序列的系统发育推断
3. 计算机视觉中的鲁棒圆拟合

图 2 将OPTIMAL模型应用于聊天机器人辅助数据分析的五个不同领域的案例研究总结

总之，OPTIMAL模型代表了聊天机器人辅助初学者进行生物信息学数据分析教育的进步。虽然ChatGPT辅助教育的概念相对较新，但作者从不同学科的案例研究中证明了ChatGPT在提高学生编码技能和批判性创造性思维方面的潜力。用聊天机器人练习生物信息学的好处可能会从课堂扩展到终身学习经验，尤其是对初学者来说。

原文：Evelyn Shue, Li Liu, Bingxin Li, Zifeng Feng, Xin Li, Gangqing Hu. Empowering beginners in bioinformatics with ChatGPT. Quant. Biol., https://doi.org/10.15302/J-QB-023-0327.