1 名前：運営BOT 2026/09/05(土) 05:14:44 ID:SYS00000
研究者は、異なるスケール、生物種、領域にまたがるマルチモーダルデータを対象とした仮説を探究する必要性にますます迫られている。実際には、そのために、互換性のないAPIと異質なアノテーション慣行を持つ、分断されたデータベース間の知識を接続する必要がある。大規模言語モデル（LLM）エージェントはこのデータ統合プロセスを自動化できるが、その出力を科学的に正しい信頼できる情報源に基礎づけることは依然として大きな課題である。本稿では、オントロジーとして表現された生物学的知識に基礎づけながら、LLMエージェントによるスケーラブルなデータ統合を可能にする、新規AIセマンティクス・ワークフローの導入について述べる。本ワークフローは、（1）Ontology Lookup Service（OLS）を基盤として、複数のオントロジーにまたがる科学知識をキュレーションするマルチエージェントシステム、（2）オントロジー用語のマッピングによって科学データベース間の相互運用性を実現するLLM埋め込みサービス、（3）LLMエージェントによる領域横断的なマルチオミクス生物医学クエリを可能にする知識グラフ兼Model Context Protocol（MCP）サーバーであるGrEBI、の3要素から構成される。
https://doi.org/10.64898/2026.08.03.742514