多くのゲノム基盤モデルは独立した線形アセンブリ上で事前学習されるため、集団レベルでのセグメント共有や局所的なグラフ結合を明示的に表現しない。我々は、66系統（Solanum spp.）のアクセッションから得た54.65 Gbの配列に対して事前学習する、グラフ条件付きモデルTomatoPGFMを開発した。配列トークンはパンゲノムのノード属性と局所隣接により条件付けされ、マスク言語モデリングとグラフ特徴の再構成を用いて最適化した。グラフ条件付き入力に対するモデル応答を評価するため、学習パネルの25,000ウィンドウにおいて、整列、シャッフル、グラフ無効化の入力を比較した。配列整列されたグラフ入力は、学習パネルの両方の層、および5つのカリキュラム段階すべてにおいて、グラフオフよりもマスク言語モデリング損失が低かった。一方、シャッフル擾乱は概して中間的な損失を与えた。その後、配列のみを用いた転移をSolanum sitiens LA1974およびS. lycopersicum MicroTomで評価した。これらはグラフ構築や事前学習には用いられていない。遺伝子対非遺伝子、ならびにコーディング配列対非遺伝子配列のAUROC（凍結プローブ）は0.8489から0.9593の範囲にあった。TomatoPGFMは、4つの比較すべてにおいてDNABERT-2より高いAUROCの点推定を示した。隣接メッセージングを無効にした状態でゼロ特徴のGraphAdapter経路を有効化しても、検証した構成における512-2,048位置でのスループットは1%未満しか変化しなかった。これらの結果は、TomatoPGFMが学習パネルの配列における配列整列されたパンゲノム文脈に対して一貫して応答し、さらにグラフ構築と事前学習から除外されたアクセッションにおける遺伝子領域分類に有益な配列表現を提供することを示している。
https://doi.org/10.64898/2026.08.31.748176