論文の概要: OmicsLM: A Multimodal Large Language Model for Multi-Sample Omics Reasoning

• arxiv url: http://arxiv.org/abs/2605.06728v1
• Date: Thu, 07 May 2026 11:27:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.492538
• Title: OmicsLM: A Multimodal Large Language Model for Multi-Sample Omics Reasoning
• Title（参考訳）: OmicsLM:マルチサンプルオミック推論のためのマルチモーダル大言語モデル
• Authors: Maciej Sypetkowski, Joanna Krawczyk, Łukasz Smoliński, Remigiusz Kinas, Przemysław Pietrzak, Tomasz Jetka, Rafał Powalski,
• Abstract要約: OmicsLMは、定量的オミクスプロファイルと自然言語の生物学的タスクを結びつける。 我々は、70以上のタスクタイプにまたがる550万以上の命令フォロー例でOmicsLMをトレーニングします。 我々はOmicsLMが直接表現プロファイルを使用でき、プロファイルレベルのタスクで特定のオミクスモデルと互換性があることを示した。
• 参考スコア（独自算出の注目度）: 1.6205605836188424
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Interpreting transcriptomic data is one of the most common analytical tasks in modern biology. Yet most current models either consume expression profiles without producing natural-language biological explanations, or reason in language without direct access to quantitative omics measurements. We introduce OmicsLM, a multimodal LLM that connects quantitative omics profiles with natural-language biological tasks. OmicsLM represents each transcriptomic profile as a compact continuous representation within the LLM context. This interface preserves quantitative expression signal while allowing natural-language instructions, explicit gene mentions, and multiple interleaved biological samples to be processed together in one model context. We train OmicsLM on more than 5.5 million instruction-following examples spanning over 70 task types, combining continuous transcriptomic inputs, experimental data rendered through diverse language templates, and free-text biological knowledge and question-answering data. This mixture covers cell type annotation, perturbation prediction, clinical prediction, pathway reasoning, and open-ended biological question answering. Existing benchmarks evaluate either profile-level prediction or text-only biological QA, leaving language-guided, multi-sample reasoning over real expression profiles unmeasured. To close this gap, we introduce GEO-OmicsQA, a benchmark for multi-sample biological question answering built from real Gene Expression Omnibus (GEO) studies. We demonstrate that OmicsLM can use expression profiles directly and perform comparably to specialized omics models on profile-level tasks, while outperforming both omics-specialized models and general LLMs on language-guided biological reasoning over expression data.
• Abstract（参考訳）: 転写データの解釈は、現代の生物学において最も一般的な分析課題の1つである。 しかし、現在のほとんどのモデルは、自然言語の生物学的説明を作らずに表現プロファイルを消費するか、あるいは量的オミクス測定に直接アクセスしない言語で理由を消費している。 定量的オミクスプロファイルと自然言語の生物学的タスクを結合するマルチモーダルLLMであるOmicsLMを紹介する。 OmicsLMは、それぞれの転写プロファイルをLLMコンテキスト内のコンパクトな連続表現として表現する。 このインタフェースは、自然言語の指示、明示的な遺伝子参照、複数のインターリーブされた生物学的サンプルを1つのモデルコンテキストで処理しながら、定量的な表現信号を保存する。 我々は,70以上のタスクタイプにまたがる550万以上の命令追従例に基づいてOmicsLMをトレーニングし,連続的な書き起こし入力,多言語テンプレートによる実験データ,自由テキストの生物学的知識と質問応答データを組み合わせた。 この混合物は、細胞型アノテーション、摂動予測、臨床予測、経路推論、オープンな生物学的質問応答を含む。 既存のベンチマークでは、プロファイルレベルの予測とテキストのみの生物学的QAが評価されており、実際の表現プロファイルに対する言語誘導のマルチサンプル推論は未測定のままである。 このギャップを埋めるために、GEO-OmicsQA(GEO-OmicsQA)を導入する。 我々は、OmicsLMが表現プロファイルを直接使用し、プロファイルレベルのタスクで特殊オミクスモデルと同等に動作できることを示し、OmicsLMは、表現データに対する言語誘導生物学的推論において、オミクス特化モデルと一般LLMの両方より優れていることを示した。

関連論文リスト

• GenomeQA: Benchmarking General Large Language Models for Genome Sequence Understanding [6.678941174236651]
  GenomeQAは、シーケンスベースのゲノム推論タスクにおける汎用LSMの制御された評価設定を提供するために設計されたベンチマークである。 モデルは常にランダムなベースラインより優れており、GC内容やショートモチーフなどの局所的なシーケンス信号を利用することができる。 GenomeQAは、汎用LSMを生ゲノム配列で研究・改善するための診断基準を確立する。
  論文  参考訳（メタデータ） (2026-04-07T12:14:20Z)
• CellVerse: Do Large Language Models Really Understand Cell Biology? [74.34984441715517]
  我々は,4種類のシングルセルマルチオミクスデータを統合する統一言語中心の質問応答ベンチマークであるCellVerseを紹介する。 我々は,CellVerse上で160Mから671Bまでの14のオープンソースおよびクローズドソースLLMの性能を体系的に評価した。
  論文  参考訳（メタデータ） (2025-05-09T06:47:23Z)
• Biology-Instructions: A Dataset and Benchmark for Multi-Omics Sequence Understanding Capability of Large Language Models [55.74944165932666]
  本稿では,生物配列の大規模学習データセットであるBiology-Instructionsを紹介する。 このデータセットは、大きな言語モデル(LLM)と複雑な生物学的シーケンス関連タスクをブリッジし、その汎用性と推論を強化する。 また,マルチオミクスタスクにおける現状のLLMの,専門訓練なしでの大幅な制限を強調した。
  論文  参考訳（メタデータ） (2024-12-26T12:12:23Z)
• scReader: Prompting Large Language Models to Interpret scRNA-seq Data [12.767105992391555]
  本稿では,大規模言語モデルの一般的な知識機能と,単一セルオミクスデータ解釈のためのドメイン固有表現モデルを統合する,革新的なハイブリッドアプローチを提案する。 単細胞遺伝子レベルでの遺伝子発現データをプロンプトで入力することにより、様々な種および細胞タイプにわたる遺伝子発現の差分レベルに基づいて、細胞表現を効果的にモデル化する。
  論文  参考訳（メタデータ） (2024-12-24T04:28:42Z)
• COMET: Benchmark for Comprehensive Biological Multi-omics Evaluation Tasks and Language Models [56.81513758682858]
  COMETは、シングルオミクス、クロスオミクス、マルチオミクスタスクのモデルを評価することを目的としている。 まず、我々は、DNA、RNA、タンパク質の主要な構造的および機能的側面をカバーする、下流タスクとデータセットの多様なコレクションをキュレートし、開発する。 そこで我々は,DNA,RNA,タンパク質の既存の基礎言語モデルと,新たに提案されたマルチオミクス法を評価する。
  論文  参考訳（メタデータ） (2024-12-13T18:42:00Z)
• VQDNA: Unleashing the Power of Vector Quantization for Multi-Species Genomic Sequence Modeling [60.91599380893732]
  VQDNAは、ゲノムボキャブラリ学習の観点からゲノムのトークン化を改良する汎用フレームワークである。 ベクトル量子化されたコードブックを学習可能な語彙として活用することにより、VQDNAはゲノムをパターン認識の埋め込みに適応的にトークン化することができる。
  論文  参考訳（メタデータ） (2024-05-13T20:15:03Z)
• An Evaluation of Large Language Models in Bioinformatics Research [52.100233156012756]
  本研究では,大規模言語モデル(LLM)の性能について,バイオインフォマティクスの幅広い課題について検討する。 これらのタスクには、潜在的なコーディング領域の同定、遺伝子とタンパク質の命名されたエンティティの抽出、抗微生物および抗がんペプチドの検出、分子最適化、教育生物情報学問題の解決が含まれる。 以上の結果から, GPT 変種のような LLM がこれらのタスクの多くをうまく処理できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-21T11:27:31Z)
• Linguistically inspired roadmap for building biologically reliable protein language models [0.5412332666265471]
  言語学から引き出されたガイダンスは、より解釈可能なタンパク質のLMを構築するのに役立つと論じる。 学習データ,トークン化,トークン埋め込み,シーケンス埋め込み,モデル解釈に関する,タンパク質 LM パイプライン選択のための言語学的ロードマップを提供する。
  論文  参考訳（メタデータ） (2022-07-03T08:42:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。