AIエージェントにデータベースを検索させるとき、テーブル名と列名だけでは「どの測定法が今の社内標準か」「単位の違う値をどうそろえるか」といった前提が伝わらず、SQLの文法は合っていても誤った集計値が返ることがあります。そこで、NVIDIAがGitHubで公開しているデータベース向けセマンティック基盤 Auto Ontology をローカルのDocker環境で立ち上げ、OpenAI API(gpt-6.1-sol)で動かしました。この記事では目視で答えを確かめられる小さな創薬アッセイDB(3テーブル・5化合物・測定値15行)を使って、Auto Ontologyの基本的な仕組みと、人間がどこに手を入れると正確な数字が返るようになるのかを順番に確かめました。
テーブル定義と「社内の計算ルール」をつなぐAuto Ontologyの仕組み
ここでいうオントロジーは、「人が質問で使う言葉」と「実際のテーブル・列・計算式」を対応づけた共有辞書のことです。Auto Ontologyは接続したリレーショナルデータベースの中身をスキャンしてこの辞書の下書きを自動で作ったあと、人間が確認・承認した定義をWebチャットやMCP(Model Context Protocol)経由でAIエージェントに配ります。
扱う要素は大きく4つあります。
- Terms(用語):
Compound(化合物)やAssay(アッセイ)のような業務上の概念と、テーブルどうしの結合関係を表します。 - Column Attributes(列の意味):各テーブルの列に何が入っているかの説明と、実際に格納されているサンプル値(
nM、uMなど)を保持します。 - SQL Attributes(名前つきの計算式):「社内標準のIC50を出すときは特定のプロトコルとQC合格行だけに絞り、単位をnMにそろえて平均する」といった定型SQLを用語に紐づけて登録します。
- Certification(公認フラグ):自動で作られた項目はすべて未承認(
Pending Approval)から始まり、担当者が中身を確認して承認(Certified)を付けます。
題材:目視で確かめられる3テーブル・5化合物・15行のミニDB
最初から複雑なスキーマを使うと何が起きているか追いにくいため、今回はcompounds(5行)、assays(2行)、ic50_results(15行)の3テーブルだけの小さなPostgreSQLデータベースを用意しました。
表1. 化合物テーブル compounds(5行)
| compound_id | compound_name | series_code | molecular_weight |
|---|---|---|---|
CMP-01 | Lead-101 | Series-A | 412.5 |
CMP-02 | Lead-102 | Series-A | 428.5 |
CMP-03 | Lead-103 | Series-A | 446.5 |
CMP-04 | Backup-201 | Series-B | 398.4 |
CMP-05 | Backup-202 | Series-B | 415.4 |
assaysテーブルには、同じ変異型EGFRに対する2種類のアッセイ(ASSAY_AとASSAY_B)が入っています。現場のマスタテーブルによくある形で、どちらが現行の社内標準プロトコルかを示す説明文はテーブル内に書いていません。
表2. アッセイテーブル assays(2行)
| assay_id | target_gene | variant_name | panel_code |
|---|---|---|---|
ASSAY_A | EGFR | L858R/T790M | KINASE_PANEL_A |
ASSAY_B | EGFR | L858R/T790M | KINASE_PANEL_B |
そして測定値テーブルic50_resultsの全15行が以下です。プロジェクトの規定では「生理的ATP条件であるASSAY_Bを標準とし、qc_status = 'PASS'のみを採用、外部委託先(CRO_A)のuM単位は1,000倍してnMに統一する」と決まっている想定にします。
表3. 測定値テーブル ic50_results(15行)。右端の「備考」はDBに入っていない、現場で共有されている意味です。
| result_id | compound_id | assay_id | lab_site | raw_value | raw_unit | qc_status | 備考(DB外にある現場の意味) |
|---|---|---|---|---|---|---|---|
| 1〜5 | CMP-01〜05 | ASSAY_A | INTERNAL | 1.0 / 10 / 8.0 / 12 / 50 | nM | PASS | 初期スクリーニング(低ATP条件)。CMP-01が1.0 nMで見かけ1位 |
| 6 | CMP-01 | ASSAY_B | INTERNAL | 40.0 | nM | PASS | 標準ASSAY_B(40.0 nM) |
| 7 | CMP-01 | ASSAY_B | CRO_A | 0.040 | uM | PASS | 換算すると40.0 nM → 平均 40.0 nM(3位) |
| 8 | CMP-02 | ASSAY_B | INTERNAL | 1.2 | nM | FAIL | 析出によるQC不合格行(混ぜると平均が約13.7 nMに下がる) |
| 9 | CMP-02 | ASSAY_B | INTERNAL | 20.0 | nM | PASS | 標準ASSAY_B(20.0 nM) |
| 10 | CMP-02 | ASSAY_B | CRO_A | 0.020 | uM | PASS | 換算すると20.0 nM → 平均 20.0 nM(2位) |
| 11 | CMP-03 | ASSAY_B | INTERNAL | 5.0 | nM | PASS | 標準ASSAY_B(5.0 nM) |
| 12 | CMP-03 | ASSAY_B | CRO_A | 0.005 | uM | PASS | 換算すると5.0 nM → 平均 5.0 nM(真の1位) |
| 13 | CMP-04 | ASSAY_B | CRO_A | 0.050 | uM | PASS | 生数値は0.050だが換算すると → 50.0 nM(4位) |
| 14 | CMP-05 | ASSAY_B | INTERNAL | 200.0 | nM | PASS | 標準ASSAY_B(200.0 nM) |
| 15 | CMP-05 | ASSAY_B | CRO_A | 0.200 | uM | PASS | 換算すると200.0 nM → 平均 200.0 nM(5位) |
今回AIに解かせるのは、「プロジェクトの規定どおりに全5化合物の平均IC50を求め、活性が高い順に並べる」という問題です。正解は表3を目で追えば分かります。ASSAY_Bの合格データだけをnMにそろえれば、活性が高い順(IC50が小さい順)に CMP-03(5.0 nM)→ CMP-02(20.0 nM)→ CMP-01(40.0 nM)→ CMP-04(50.0 nM)→ CMP-05(200.0 nM) となります。一方で、ASSAY_Aを選べばCMP-01(1.0 nM)が1位になり、uM換算を忘れればCMP-04(0.050)が最小値に見えてしまいます。FAIL行を残した場合は、順位こそ変わりませんが、CMP-02の平均が20.0 nMから約13.7 nMにずれます。
ステップ1:セマンティックコンパイル(メタデータからオントロジーを生成する処理)でできることと足りない部分
このDBをAuto Ontologyに接続してセマンティックコンパイル(画面上の名前は「Semantic Compilation」)を実行すると、32秒ほどで3つの用語(Assay、Compound、IC50 Result)と13個の列属性、およびテーブル間のリレーションが自動生成されました(図2)。
Assayノードの詳細パネル(右)。右側のDescription欄を見ると、列名target_geneとvariant_nameからLLMが「遺伝子変異を検出する検査(A test used to detect specific genetic variants…)」と少しずれた説明文を下書きしていることが分かります。図2の右パネルを見ると、セマンティックコンパイルの便利な点と限界の両方がよく見えます。外部キーやサンプル値の紐づけは自動で済んでいますが、Assayの説明文は列名target_gene・variant_nameの字面どおりに「標的遺伝子の特定の変異を検出する検査」と下書きされています。実際には化合物のキナーゼ阻害活性を測る試験です。自動で作られた項目は、こうした細かい意味のずれを人間が直せるよう、最初は未承認(Pending)の状態で出力されます。
この「セマンティックコンパイルが終わっただけで、まだ人間がプロジェクトの規定を教えていない状態」で、「社内公認の標準EGFRアッセイにおける全5化合物の平均IC50 (nM) を算出し、活性が高い順(IC50が小さい順)に化合物ID・化合物名・平均IC50 (nM) を並べてください」と質問してみました。
- オントロジーなしのLLM(LLMが自分でSQLを書き、DBに直接実行する):スキーマの確認から数えて9回SQLを書いて実行し(10,643トークン)、単位換算と
PASS行の抽出までは自力で行いました。ただ、最後は「どちらが『社内公認の標準』かを示す情報がないため、一意に確定できません」として2つのアッセイの表を並べ、どちらが標準かを聞き返して止まりました。 - Auto Ontology(セマンティックコンパイルのみ・公認SQL登録前):「カタログに『社内公認の標準』を特定する定義が見つからないため、以下はASSAY_Aを標準と仮定した暫定結果です」と前置きしたうえで、
CMP-01(1.0 nM)を1位とする誤ったランキングを返しました。
DBのどこにも「標準=ASSAY_B」と書いていない以上、スキーマを自動で読み取るだけでは正しい答えは決まりません。ここを埋めるのが次のステップです。
ステップ2:プロジェクトにおけるルールを説明文とSQL Attributeに書いて公認化する
そこで、まずAssayの説明文(Description)を書き直しました。セマンティックコンパイルが作った下書きは列名から推測した遺伝子検査の説明だったので、キナーゼ阻害試験であることと、どちらのアッセイが現行の標準かを書き加えています(表4)。
表4. Assayの説明文の書き直し(原文は英語)
| 時点 | 説明文 | 意味 |
|---|---|---|
| 書き直す前 | A test used to detect specific genetic variants in a target gene. | 標的遺伝子の特定の変異を検出する検査 |
| 書き直した後 | In vitro kinase inhibition assay protocol used to measure compound IC50 potency against target EGFR variants (ASSAY_B is the official 1 mM ATP standard; ASSAY_A is the retired low-ATP screen). | 変異型EGFRに対する化合物のIC50を測るin vitroキナーゼ阻害試験。ASSAY_Bが現行の標準(1 mM ATP)で、ASSAY_Aは使わなくなった低ATPスクリーニング |
そのうえで、先ほどのプロジェクトの規定をそのまま表した7行のSQL Attribute(certified_standard_egfr_ic50_nm)を1つ登録し、ステータスをPending ApprovalからCertifiedに変更しました(図3)。3つの用語の名前と説明文もあわせて公認しています。
Pending Approval、右がレビュー後に緑色のCertifiedバッジが付いた状態です。登録したSQLの中身は手で書けばごく短いものです。
SELECT c.compound_id, c.compound_name, c.series_code,
AVG(CASE WHEN r.raw_unit = 'uM' THEN r.raw_value * 1000.0 ELSE r.raw_value END) AS standard_ic50_nm
FROM public.compounds c
JOIN public.ic50_results r ON r.compound_id = c.compound_id
WHERE r.assay_id = 'ASSAY_B'
AND r.qc_status = 'PASS'
GROUP BY c.compound_id, c.compound_name, c.series_code
公認化を終えた直後に、Chat画面から同じ内容の質問を投げた結果が図4です。
ASSAY_B・PASS・uM→nM換算(外部CRO分を含む)を適用したSQLが生成され、CMP-03(5.0 nM)からCMP-05(200.0 nM)まで表3で確かめた正解どおりの順位が返っています。今度は「仮定した暫定結果」ではなく、公認定義に沿ってASSAY_B・qc_status = 'PASS'・uMの1,000倍換算を適用し、CMP-03(5.0 nM)→ CMP-02(20.0 nM)→ CMP-01(40.0 nM)→ CMP-04(50.0 nM)→ CMP-05(200.0 nM) の正しい順位が1回の質問で返ってきました。
Chatの外から使っても同じ結果になるかは、自作のAIエージェント(以下、外部エージェント)で確かめました。外部エージェントには、用語の検索、用語に紐づくSQL Attributeの取得、質問に答えられるかの確認、質問への回答という4つのツールを持たせています。どれもAuto OntologyのMCPサーバーが提供する機能と同じもので、中ではAuto OntologyのAPIを呼んでいます。同じ質問を投げると、外部エージェントからも同じ5件の表が返りました(8,202トークン)。
今回は説明文の修正とSQL Attributeの登録を同時に行ったので、どちらが正しい集計につながったのかは切り分けていません。ただ、Chatが組み立てたSQLの単位換算はSQL Attributeと同じ式で、外部エージェントもSQL Attributeを名前で指定して質問していました。
もう一つ便利だったのは、DBに入っていない項目を聞かれたときに推測で答えずに止まることです。試しに「この5化合物の中で、hERG心毒性リスクが最も低く、ラット経口投与時のバイオアベイラビリティ(F%)が最も高い化合物はどれですか?」と質問すると、Chatは「利用可能なデータにはhERG阻害の測定値やラット経口バイオアベイラビリティ(F%)がなく、該当する化合物を特定できません」と答えました。外部エージェントも、公認の定義にあるのはEGFR阻害IC50だけだと確かめたうえで、「EGFRの値からこれらを推定して順位付けすることはできません」と回答を止めました。こちらはSQLを1本も実行せず、用語と属性の確認(3,824トークン)だけで終えています。
OpenAI APIで動かすときに引っかかった点
公式READMEのQuickstartはNVIDIA NIM(nvapi-...キー)を前提に書かれています。今回のようにOpenAI公式API(https://api.openai.com/v1)と推論モデルで動かす場合は、いくつか手直しが要りました。
- モデル呼び出し先の分岐(
auto_ontology/utils/llm_invoke.py):元のコードはモデル名がopenai/などの接頭辞で始まらないとNVIDIA向けのChatNVIDIAクラスへ渡す作りになっていたため、エンドポイントURLにapi.openai.comを含む場合はChatOpenAIを使うように変更しました。また、推論モデルでツール呼び出しを併用するためにResponses API(use_responses_api=True)を有効にしました。呼び出し側のmax_tokensが小さいままだと推論にトークンを使い切って出力が途中で切れるため、上限も8,192以上に広げています。 - 埋め込み次元数と独自パラメータ(
auto_ontology/utils/embedding.py):ベクトル検索用のPostgreSQLの列(pgvector)がhalfvec(2048)で定義されているため、text-embedding-3-largeを使う際はdimensions=2048を指定し、NVIDIA NIM固有のextra_bodyパラメータを外す必要がありました。 .envのCONNECTION_STRINGSの優先順位:.envファイルにCONNECTION_STRINGSを書いたままにしておくと、Web画面(Settings → Connections)から別のDBを追加・切り替えても常に環境変数側のDBが優先してコンパイルされます。UIから接続先を管理するときはCONNECTION_STRINGS=を空にしておくと、UIで登録したDBがコンパイルされます。
所感と次回の予告
5化合物・15行のミニチュア例題で動かしてみると、Auto Ontologyの立ち位置がかなりはっきりしました。社内の暗黙ルールまで自動で推測する仕組みというより、「面倒なテーブル構造やリレーションの下書きはセマンティックコンパイルで自動で作らせたうえで、人間が公認した計算ルール(SQL Attribute)をChatやMCPでつないだAIエージェントに一貫して守らせる仕組み」と捉えるとしっくりきます。一度ルールを公認化しておけば、質問する人がプロンプトに毎回「ASSAY_Bを使って、uMは1,000倍して……」と書き添えなくて済むのが実務上のメリットだと感じました。
一方で、実際の創薬プロジェクトのSAR(構造活性相関)データに広げようとすると、SQLのオントロジーだけでは解けない別の課題も出てきます。たとえば化合物のSMILES文字列から母核構造を分類したい場合や、置換基ごとのMatched Molecular Pair(MMP)解析をしたい場合です。次回はより実践的なデータベースを構築し、Auto OntologyにRDKitの化学構造Skillを組み合わせたときの検証結果をまとめたいと思います。
出典・実行環境・検証データの定義
- 対象ソフトウェア: NVIDIA Auto Ontology(NVIDIA/auto-ontology、Apache-2.0ライセンス)。
- 実行環境: Windows WSL2(Ubuntu 22.04)上のDocker Compose構成(PostgreSQL 17 + pgvector、FastAPIバックエンド、Ingestionサービス、Next.jsフロントエンド)。
- 使用モデル: OpenAI API経由で、推論モデルに
gpt-6.1-sol、推論を使わない補助の処理にgpt-6.1-terra、埋め込みにtext-embedding-3-large(dimensions=2048)を使用しました。比較に使ったオントロジーなしのLLMと外部エージェントもgpt-6.1-solです。 - 検証用ミニDB(
mini_assay_intro): 挙動を目視で確認するために作成した架空の合成データ(compounds5行、assays2行、ic50_results15行)であり、実在の化合物や実験値ではありません。図4のmean_ic50_nmに4.9999999441のような端数が出ているのは、PostgreSQLの列を単精度浮動小数点(REAL型)で定義したため、0.005のような値を2進数で正確に表せずに生じた丸め誤差です。