2026年01月21日
## 要約：
本研究では、生体情報学分野に特化した大規模言語モデル(LLM)をファインチューニングするための再現可能なパイプラインを開発し、PRSGPT (ポリジェニックリスクスコアツール向け) と BioStarsGPT (コミュニティフォーラム向け) の2つの事例を通して実証しました。 開発されたパイプラインは、多様なデータソースの統合、品質管理、そして効率的なファインチューニング技術(LoRA)を活用し、高品質な生体情報学アシスタントの実現を目指します。
---
## 翻訳：
arXiv:2601.11573v1 Announce Type: new
概要：大規模言語モデル(LLM)は、複雑な生体情報学アプリケーションに必要な専門知識を十分に持たないことがよくあります。 本研究では、特殊な生体情報学データでLLMをファインチューニングするための再現可能なパイプラインを紹介します。 2つのユースケースを通して実証されます。 PRSGPTはポリジェニックリスクスコア(PRS)ツールに焦点を当て、BioStarsGPTはコミュニティフォーラムの議論でトレーニングされました。 9段階のパイプラインは、多様なデータソースの統合、構造化された前処理、Google Geminiを介したプロンプトベースの質問応答(QA)生成、品質管理のための自然言語推論(NLI)、意味的重複排除、クラスタリングベースのデータ分割、およびLoRAを用いたパラメータ効率的なファインチューニングを統合します。 3つのLLM（LLaMA-3.2-3B、Qwen2.5-7B、Gemma）をファインチューニングし、14以上の語彙的および意味的メトリックでベンチマークしました。 Qwen2.5-7Bが最高のパフォーマンスを示し、PRSGPTではBLEU-4とROUGE-1がそれぞれ82％と70％改善し、BioStarsGPTでは6％と18％改善しました。 作成されたオープンソースデータセットには、PRSGPT向けに28,000以上のQAペアと、BioStarsGPT向けに154,282のペアが含まれます。 PRSGPTの人間による評価では、PRSツール比較タスクで61.9％の精度を示し、Google Gemini（61.4％）と同等でしたが、より詳細な方法論と正確な引用を提供しました。 BioStarsGPTは、142のキュレートされた生体情報学の質問に対して59％の概念的な正確さを示しました。 本パイプラインは、スケーラブルなドメイン固有のLLMのファインチューニングを可能にします。 ユーザーのプライバシーを保護し、ローカルでデプロイ可能な生体情報学アシスタントを可能にし、その実用的なアプリケーションを探求し、その開発と使用に関連する課題、制限、および軽減戦略に対処します。
[📰 原文はこちら](https://arxiv.org/abs/2601.11573)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
