CellAgent：基于路由掩码的混合专家模型提升标记级学习
人工智能
2024-07-16 v1 人机交互
基因组学
摘要
单细胞 RNA 测序 (scRNA-seq) 数据分析对于生物研究至关重要，因为它使我们能够精确表征细胞异质性。然而，手动操作各种工具以实现所需结果对研究人员来说可能是耗时的。为此，我们引入 CellAgent (http://cell.agent4science.cn/)，一个由 LLM 驱动的多智能体框架，专为自动处理和执行 scRNA-seq 数据分析任务而设计，能够提供无人工干预的高质量结果。首先，为了使通用 LLM 适应生物领域，CellAgent 构建了 LLM 驱动的生物学专家角色 - planner、executor 和 evaluator - 每个角色都有特定的职责。随后，CellAgent 引入分层决策机制来协调这些生物学专家，有效驱动复杂数据分析任务的规划和逐步执行。此外，我们提出了自迭代优化机制，使 CellAgent 能够自主评估和优化解决方案，从而保证输出质量。我们在包含数十种组织和数百种不同细胞类型的综合基准数据集上评估了 CellAgent。评估结果 consistently 显示，CellAgent 有效地识别出单细胞分析任务最合适的工具和超参数，实现最佳性能。这个自动化框架显著减少了科学数据分析的工作量，带我们进入了"为科学服务的智能体"时代。
关键词
引用
@article{arxiv.2407.09811,
title = {CellAgent: An LLM-driven Multi-Agent Framework for Automated Single-cell Data Analysis},
author = {Yihang Xiao and Jinyi Liu and Yan Zheng and Xiaohan Xie and Jianye Hao and Mingzhi Li and Ruitao Wang and Fei Ni and Yuxiao Li and Jintian Luo and Shaoqing Jiao and Jiajie Peng},
journal= {arXiv preprint arXiv:2407.09811},
year = {2024}
}