大規模言語モデルを用いた希少疾患患者における原因遺伝子の表現型に基づく優先順位付けの応用
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：The application of Large Language Models to the phenotype-based prioritization of causative genes in rare disease patients.
雑誌名：Sci Rep. 2025 Apr 29; 15(1): 15093.
概 要：
本研究は、遺伝性疾患に関連する遺伝子と変異を優先順位付けするために、表現型情報とゲノム情報を活用する計算手法の有効性を評価します。表現型に基づく手法は、患者の表現型を遺伝子-表現型関連データベースと比較し、意味的類似性を測定することに依存していますが、これらのリソースの質や患者の表現型注釈の完全性に制約されます。本研究では、大規模言語モデル（LLMs）が、既存のバイオインフォマティクス手法と比較して、疾患関連遺伝子の優先順位付けにおいて同等またはそれ以上の効果を示すことを示します。希少疾患の未診断患者のコホートに適用し、LLMsが有望な候補遺伝子の特定を支援できることを示しました。
方 法：
本研究は、希少疾患患者のコホートを対象に、LLMsを用いて疾患関連遺伝子の優先順位付けを行いました。遺伝子セットは5から100の候補を含み、LLMsの性能を既存のバイオインフォマティクス手法と比較しました。主要評価指標は、疾患関連遺伝子の優先順位付けの精度です。
結 果：
LLMsは、表現型の類似性に依存する従来のバイオインフォマティクス手法と同等またはそれ以上の精度で疾患関連遺伝子を優先順位付けできることが示されました。希少疾患の未診断患者に対しても、LLMsを用いることで有望な候補遺伝子を特定する支援が可能であることが確認されました。
結 論：
LLMsは、疾患の表現型に基づいて疾患関連遺伝子を優先順位付けするための新たな手段を提供し、診断精度の向上や希少遺伝性疾患の診断プロセスの簡素化に寄与する可能性があります。