大規模言語モデルを用いた生物試料情報の標準化

Research Project

Project/Area Number	24K20889
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 62010:Life, health and medical informatics-related
Research Institution	Chiba University
Principal Investigator	大田達郎千葉大学, 大学院医学研究院, 准教授 (20625355)
Project Period (FY)	2024-04-01 – 2026-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000) Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000) Fiscal Year 2024: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Keywords	大規模言語モデル / 生物試料情報 / データベース
Outline of Research at the Start	転写因子制御やDNA 修飾などのエピジェネティクス機構を対象とする研究で用いられる ChIP-Seq, ATAC-Seq, Bisulfite-Seq などのDNAシーケンスデータを網羅的に収集し解析するデータベース ChIP-Atlas では、開発当初よりサンプル情報の品質向上が大きな課題であった。ChIP-Atlas は現在、約375,000エントリのデータを収載しており、LLMによってサンプル情報の品質が向上すれば、さらなるデータの有効活用が期待される。本研究では、従来は人手で行っていたサンプル情報の品質向上を大規模言語モデルを利用して自動化することで、データベースの価値向上を目指す。