AIと希少疾病 ── 基盤(総論) ── 2026-11-17

基盤(総論) 1 本。筆頭: LitGene:文献テキストとオントロジーを統合して遺伝子表現を学習する、解釈可能なTransformerモデル
希少疾病の診断と創薬の基盤とAI
- LitGene: an interpretable transformer model integrating text and ontology for gene representation learning.抄録(全訳)
ゲノミクスの表現学習は、配列・発現・ネットワークのデータに頼ることが多い。そのため、科学文献に積み上がった多くの知見が見落とされている。
著者らは、Transformerを基盤とする解釈可能なモデル「LitGene」を作った。LitGeneは、構造化されていないテキスト情報と遺伝子オントロジー(GO)のアノテーションを対照学習で統合する。これにより遺伝子の表現を改良する。
タンパク質の性質に関する8つのベンチマーク課題で評価したところ、LitGeneは他の手法と比べて遜色ない精度を示した。さらに、GOの用語、KEGGパスウェイ、遺伝子と疾患の関連をゼロショットで予測した。
LitGeneは、特発性肺線維症(IPF)の候補遺伝子としてANGPTL6を見いだした。ANGPTL6は、独立したIPF検体でも発現に差があり、これが候補とする根拠になった。この結果は、LitGeneが仮説の生成に役立つことを示している。
SHAPに基づく解釈ツールは、予測に影響したテキスト上の特徴を強調して示す。さらに、文献との照合を自動で行う枠組みが、裏付けとなる文献があればそれを示す。
これらの結果から、テキストと遺伝情報を統合すると、研究が進んでいない遺伝子に伴う偏りを減らせる可能性が示唆された。
モデルはオープンソースのコードとして公開されており、誰でも使えるウェブ画面(https://litgene.cs.unm.edu/)もある。利用者は遺伝子名、疾患名、薬剤名、または任意のテキスト(論文の抄録など)を入力できる。入力すると、関連する生物医学的な対象(エンティティ)を根拠に基づいて予測した結果が返ってくる。
掲載誌の IF 相当:19.8(OpenAlex の直近 2 年の平均被引用数・2026-11-16 時点の値、2026-11-17 に取得。正式な IF(Clarivate)ではない)書誌:Macaulay O, Jararweh A, Arredondo D, Tafoya LE, Poshiya S, Hu Y, et al. LitGene: an interpretable transformer model integrating text and ontology for gene representation learning. Nat Commun. 2026 Oct 16;17(1):11706. doi:10.1038/s41467-026-78454-4. PMID: 43035455.確認の範囲:抄録のみ確認