Query Augmented Generation (QAG) from the Genomic Data Commons for Accurate Variant Statistics
Résumé fourni par la source
Abstract In precision oncology, researchers often use public knowledgebases to check somatic variant frequencies against their cohort data. Large language models (LLMs) can quickly answer questions on somatic variant frequencies, but often hallucinate and give inaccurate results for factual data. Using synthetic queries, we show that somatic variant frequencies in baseline LLM responses are underestimated compared to the Genomic Data Commons (GDC), the world’s largest data commons for cancer research. We present a modular architecture called Query Augmented Generation (QAG) for integrating LLMs with high-quality data from a third party data source such as a data commons, knowledgebase or database. We apply QAG to the GDC to help researchers obtain accurate frequencies for somatic variants, copy number variants, and MSI status—even for complex queries requiring multiple steps in the GDC portal and API. Our software is deployed as a model context protocol (MCP) server on Hugging Face and available on GitHub.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Query Augmented Generation (QAG) from the Genomic Data Commons for Accurate Variant Statistics
- Date Crossref
- 07/09/2025
- Éditeur
- openRxiv
- Type
- posted-content
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.