Anwendungsfall für Codex
Wirkstofftargets priorisieren
Bewerte Wirkstofftargets anhand verschiedener Evidenzquellen und erstelle eine Rangliste.
Nutze ChatGPT mit dem Plugin „Life Science Research“, um die Bezeichnungen biologischer Entitäten zu vereinheitlichen und parallel Befunde aus Genetik, Kohortenstudien, klinischer Forschung, Fachliteratur und Genexpressionsanalysen abzurufen. Bewerte die Targets für jeden Bereich und erstelle eine Gesamtrangliste mit Grafiken, die du weiterverwenden kannst.
Besonders geeignet für
- Fragestellungen, bei denen die Priorisierung von Wirkstofftargets mehrere Arten von Evidenz erfordert. Dazu zählen etwa genetische Befunde, die Bestätigung von Ergebnissen in weiteren Kohorten, der Krankheitskontext, klinische Erfahrungen, Fachliteratur und Genexpressionsdaten.
- Teams, die ChatGPT mehrere Evidenzquellen untersuchen und die Ergebnisse gegeneinander abwägen lassen möchten, um zu einem Gesamturteil zu kommen.
- Forschende, die gespeicherte Rohdaten, ein klar definiertes Bewertungsschema und Grafiken für die nächste Begutachtung oder Entscheidungsvorlage benötigen.
Inhalt
Wirkstofftargets priorisieren
Bewerte Wirkstofftargets anhand verschiedener Evidenzquellen und erstelle eine Rangliste.
Nutze ChatGPT mit dem Plugin „Life Science Research“, um die Bezeichnungen biologischer Entitäten zu vereinheitlichen und parallel Befunde aus Genetik, Kohortenstudien, klinischer Forschung, Fachliteratur und Genexpressionsanalysen abzurufen. Bewerte die Targets für jeden Bereich und erstelle eine Gesamtrangliste mit Grafiken, die du weiterverwenden kannst.
Nutze ChatGPT mit dem Plugin „Life Science Research“, um die Bezeichnungen biologischer Entitäten zu vereinheitlichen und parallel Befunde aus Genetik, Kohortenstudien, klinischer Forschung, Fachliteratur und Genexpressionsanalysen abzurufen. Bewerte die Targets für jeden Bereich und erstelle eine Gesamtrangliste mit Grafiken, die du weiterverwenden kannst.
Weiterführende Links
Besonders geeignet für
- Fragestellungen, bei denen die Priorisierung von Wirkstofftargets mehrere Arten von Evidenz erfordert. Dazu zählen etwa genetische Befunde, die Bestätigung von Ergebnissen in weiteren Kohorten, der Krankheitskontext, klinische Erfahrungen, Fachliteratur und Genexpressionsdaten.
- Teams, die ChatGPT mehrere Evidenzquellen untersuchen und die Ergebnisse gegeneinander abwägen lassen möchten, um zu einem Gesamturteil zu kommen.
- Forschende, die gespeicherte Rohdaten, ein klar definiertes Bewertungsschema und Grafiken für die nächste Begutachtung oder Entscheidungsvorlage benötigen.
Skills und Plug-ins
- Durchsuche wissenschaftliche Datenbanken und Fachliteratur nach Befunden zu biologischen Signalwegen, zur Übertragbarkeit von Forschungsergebnissen auf die Klinik, zur pharmakologischen Beeinflussbarkeit der Targets und zu konkurrierenden Ansätzen.
| Skill | Nutzen |
|---|---|
| Life Science Research | Durchsuche wissenschaftliche Datenbanken und Fachliteratur nach Befunden zu biologischen Signalwegen, zur Übertragbarkeit von Forschungsergebnissen auf die Klinik, zur pharmakologischen Beeinflussbarkeit der Targets und zu konkurrierenden Ansätzen. |
Prompt für den Einstieg
Skills nutzen
Das Plugin Life Science Research enthält Skills für jeden Evidenzbereich:
- Humangenetik und GWAS:
gwas-catalog-skill,opentargets-skill,gnomad-graphql-skill - Replikation in weiteren Kohorten und PheWAS:
finngen-phewas-skill,ukb-topmed-phewas-skill,biobankjapan-phewas-skill,tpmi-phewas-skill - Evidenz für den Zusammenhang zwischen Target und Erkrankung sowie Informationen zum Krankheitsbild:
opentargets-skill,efo-ontology-skill - Klinische und regulatorische Präzedenzfälle:
clinicaltrials-skill,opentargets-skill,chembl-skill,pharmgkb-skill - Hintergrundinformationen aus der Fachliteratur und aus öffentlichen Datensätzen:
ncbi-entrez-skill,ncbi-pmc-skill,biorxiv-skill,ncbi-datasets-skill,biostudies-arrayexpress-skill - Genexpression und Einordnung nach Gewebe und Zelltyp:
human-protein-atlas-skill,gtex-eqtl-skill,cellxgene-skill,bgee-skill
Nenne die Skills, die du nutzen möchtest, ausdrücklich oder überlasse ChatGPT die Entscheidung, wann es sie einsetzt.
Schritt-für-Schritt-Anleitung
- Formuliere eine konkrete Vergleichsfrage. Gib genau an, welche Targets du vergleichen möchtest, um welche Erkrankung es geht und welche Evidenzbereiche ChatGPT untersuchen soll.
- Rufe das Plugin
Life Science Researchauf. Weise ChatGPT an, die Evidenzbereiche parallel von Subagenten untersuchen zu lassen, damit jeder Bereich separat bearbeitet wird. - Bitte ChatGPT, jeden Evidenzbereich auf einer festen Skala von 1 bis 5 zu bewerten. Dabei soll es direkte Evidenz für die Erkrankung getrennt von Befunden zu verwandten Phänotypen betrachten.
- Prüfe im selben Chat die gespeicherten Rohdaten, die Tabelle mit den Bewertungen für jeden Evidenzbereich und jedes Target sowie die daraus abgeleitete Gesamtrangfolge.
Verwandte Anwendungsfälle
Eingabedaten für bulk RNA-seq validieren
Validiere mit ChatGPT und dem Plugin NGS Analysis deine Probentabellen, FASTQ-Dateien und...
scRNA-seq-Daten annotieren
Mit ChatGPT und dem Plugin NGS Analysis kannst du aus einem Matrixpaket nach dem Vorbild des...
Neue Modelle für die Proteinfaltung entdecken
Erforsche mit Codex im Zielmodus neue Ansätze für die Architektur von AlphaFold2