The Nomura Institute of Glycosciece Blog

このBroad Institute のMPG Primerの動画は、遺伝子のコーディング領域でない部分の変異が病気にかかわるメカニズムをまとめた後、最先端の研究まで紹介している大変よい動画です。

Broad Institute: “MPG Primer: Noncoding Variants in Genetic Diagnoses”
https://youtu.be/hVTlhrQSXME

やや専門的ですが最初の部分は、ノンコーディング領域の果たす役割の優れた解説になっているので最初のほうだけでもご覧になることをおすすめします。私はLLMでこんなプロンプトで内容を教えてもらいました。

『次の動画の主要な内容を箇条書きにしてまとめてください。まとめの程度は大学博士課程学生以上向けでお願いします。https://youtu.be/hVTlhrQSXME　』
皆さんもお好きなLLMで童画の要約を試してみてください。いくつかを試して比較するのもよいと思います。私は返ってきた回答をもとにいろいろLLMに質問して大変勉強になりました。ハルシネーションはあると思いますが、一年前のLLMとはくらべものにならない優秀なAIになっているのを実感しました。簡単なsimulatorまで即興でLLMがこしらえて解説してくれたりするのにはびっくりしました。
一例として、Gemini ３.1 proの回答の最初の部分をペーストしておきます。今回は博士課程以上の人むけに要約してもらいましたが、学部生向けとか大学一年生向けなどとプロンプトを変えてみるとまた違った要約が返ってきます。試してみてください。

『ご指定の動画（Broad Institute: “MPG Primer: Noncoding Variants in Genetic Diagnoses”）の主要な内容を、博士課程学生以上の学術的背景を持つ方向けに要約します。

TogoTVの最新動画です。LLMの助けを借りながら論文を書く際の注意点を知りたいと思う人むけのタイムリーな講演です。
AI査読というのは前に書いたようにめちゃめちゃな査読結果を返してくることがあります。その規制は当然として、論文作成についての過度な規制には反対です。英文校閲会社や翻訳サービスも生き残りをかけているでしょうね。また英語圏の人の論文発表に関する絶対的優位がくずれてきているので、それに対する反動もあると思います。自動車ができたときに馬しか使ってはいけない馬で移動しろとかいわれて、馬鹿正直にきいていると本当に馬鹿になります。ローカルLLMもあるわけで、こうしたポリシーもみなおされるか、ポリシーが異なる論文発表手段が出現するのではないでしょうか。歴史的には商業出版の衰退のはじまりかもしれません。

LLM時代における各科学雑誌のAIポリシーまとめ（2026）
紹介文を引用しておきます。
『 2026年6月10日に開催されたBio”Pack”athon2026#6の、露崎弘毅氏による「LLM時代における各科学雑誌のAIポリシーまとめ2026」をお送りします。本講演では、話題の大規模言語モデル（LLM）に関連したトピックとして、AIを利用したソフトウェア開発、論文執筆、及び論文の査読に関する各科学雑誌のポリシーを紹介しています。』

https://youtu.be/MbHK_LTiUJk

昨日書いたメール情報の流出の件。なんとログインIDとパスワードもセットで流出していたそうです。まだ対処していない方はすぐにパスワードを変更しましょう。今日はamazonの詐欺メールは来ていませんでした。しかし大手のメールサービスでこんなことがあるとは！

LLMにファイルをアップロードして入力するとき、ワードやパワポ、pdfなどをそのままアップロードできる場合もありますがうまくいかないこともよくあると思います。Markdown形式のファイル(.mdファイル）ならLLMが処理しやすく、トークンの消費量が減らせるので、LLMにはMarkdown形式のファイルで入力するのがおすすめのようです。Microsoftが公開しているMarkItDownというPythonのライブラリ（とCLIツール）なら多種多様なファイルをLLMが理解しやすいMarkdown形式のファイルに変換してくれます。

Office製品（Word, Excel, PowerPoint）はもちろん、PDF、HTML、CSV、JSON、XML、さらにはZIPファイル（展開して中のファイルを再帰的に処理）まで幅広く対応しています。音声ファイルや画像ファイルからの情報抽出（OCRによる文字起こしやExifメタデータの抽出など）にも対応しているそうです。 LLMはプレーンテキストよりも、見出しや表（テーブル）の構造が維持されたMarkdown形式のほうが内容を正確に把握しやすいという特性があります。MarkItDownは、文書のレイアウトや構造をできるだけ保ったままMarkdown化するため、自分のもっているデータをAIに読み込ませる（RAG構築など）際の前処理ツールとして非常に重宝されています。もちろん、どんな元ファイルでも完全に情報抽出できるわけではないので、 「検索インデックス作成やAIへのインプット用にテキストデータを取り出す」という用途を念頭に利用するとよいと思います。

いろんなところに解説がありますが、たとえばこちらなどはわかりやすかったです。