Gene-R1: データ拡張を用いた軽量LLMによる遺伝子セット解析のための推論

科学分野:

• バイオインフォマティクス
• 計算生物学
• ゲノミクス

背景:

• 遺伝子セット解析（GSA）は、遺伝子群の分子機能を特定するために重要です。
• LLM搭載メソッドは、遺伝子セットの機能アノテーションと洞察を提供します。
• 現在のGSAのためのLLMアプローチは、主に独自のモデルを使用しており、コストとプライバシーの懸念を引き起こしています。

研究 の 目的:

• Gene-R1、遺伝子セット解析のための新しいフレームワークを導入すること。
• 軽量でオープンソースのLLMにGSAのための高度な推論能力を装備すること。
• GSAのための高度な推論戦略に関する研究のギャップに対処すること。

主な方法:

• データ拡張学習フレームワークであるGene-R1を開発しました。
• オープンソースLLMにステップバイステップの推論機能を統合しました。
• 1,508のインディストリビューションおよび106のアウトオブディストリビューション遺伝子セットで実験を実施しました。

主要な成果:

• Gene-R1は、インディストリビューション遺伝子セットで実質的なパフォーマンス向上を達成し、商用LLMに匹敵しました。アウトオブディストリビューション遺伝子セットでは、Gene-R1は商用および大規模LLMと同等のパフォーマンスを示しました。このフレームワークは、多様な遺伝子ソースにわたって堅牢な一般化能力を示しました。

結論:

• Gene-R1は、遺伝子セット解析のためにオープンソースLLMを効果的に強化します。
• このフレームワークは、独自のモデルに対する費用効果が高くプライバシーを保護する代替手段を提供します。
• Gene-R1は、正確で一般化可能な遺伝子機能アノテーションのための有望なアプローチを提供します。