LLM性能検討のために、オープンウェイトLLMを導入。Mac＋Ollamaでの環境構築からモデル選定、運用の注意点を説明。

PDFからMarkdown形式への変換をMac上で行うためのセットアップ方法を詳しく紹介。主に生物学医学論文が対象。

ChimerDB由来18種EML4-ALK融合部位についてAlphaGenomeでRNA-Seq予測。転写の方向と位置の影響を統一条件で比較し、EML4逆向きで発現消失、バリアント間に有意差なしという結果を得た。

肺癌の代表的融合遺伝子EML4-ALKについて、hg19→hg38座標変換と人工配列構築を行い、AlphaGenomeで肺組織RNA-Seqとスプライス部位を予測。これまでの観察との整合性を確認した。

DeepMindのAlphaGenomeを試用した：ゲノム配列入力方式、対応アッセイを紹介、制約と活用法を整理した。

Google DeepMindが開発したAlphaGenomeは、ゲノム配列から機能を予測するAI。Mac mini（M2）環境で実際にセットアップした手順を解説。環境構築から動作確認まで段階的に説明。

膨張するCIViCエビデンス（例えばEGFR全変異268件）を活用するには自動要約が必須だ。自作スクリプトとLLMで解析し現行標準治療との整合性と抽出精度を検証、次段強化ポイントを整理した。

ベンチマークテストB（LLM連携CEA/CEA-MPXによるCIViC大量エビデンス自動要約とその評価）資料

ベンチマークテストB（LLM連携CEA/CEA-MPXによるCIViC大量エビデンス自動要約とその評価）資料

ベンチマークテストA（LLM連携CEA/CEA-MPXによるCIViC大量エビデンス自動要約とその評価）資料

CIViCは臨床エビデンスを起点としたデータ構造に特徴があり、ライセンスによる制限がないため、生成AIによる分析の第一選択になる。

LLMアシスタントMonicaを使い、自然言語でプログラムを作成する「バイブコーディング」を行った。ゲノム医学分野のツール開発を通じて、AI活用の新たな方法やそのコツ、LLMの性質と工夫について紹介した。