インスタンス-ラベルダイナミクスを活用した相互アンカーコントラスト学習による少数ショット関係抽出 学術的背景 自然言語処理（Natural Language Processing, NLP）の分野において、関係抽出（Relation Extraction, RE）は、テキストからエンティティ間の関係を識別し抽出するための基本的なタスクです。しかし、従来の教師あり学習手法は大量のアノテーションデータに依存しており、実際の応用ではアノテーションデータの不足がモデルの性能を大きく制約しています。この課題に対応するため、少数ショット関係抽出（Few-Shot Relation Extraction, FSRE）が登場し、少量のアノテーションデータでモデルを訓練し、限られたサンプルでも正確にエンティテ...

事前学習された大規模言語モデルに基づくヒトタンパク質の必須性予測と分析 学術的背景 ヒト必須タンパク質（Human Essential Proteins, HEPs）は、個体の生存と発育に不可欠です。しかし、実験的にHEPsを同定する方法は、コストが高く、時間がかかり、労力も大きいのが一般的です。さらに、既存の計算方法は細胞株レベルでのみHEPsを予測しますが、HEPsは生体ヒト、細胞株、および動物モデル間で顕著に異なります。そのため、複数のレベルで包括的にHEPsを予測する計算手法の開発が重要です。最近、大規模言語モデル（Large Language Models, LLMs）が自然言語処理分野で大きな成功を収めており、タンパク質言語モデル（Protein Language Models,...