scAgent：基于大语言模型代理的通用单细胞注释
计算与语言
2025-04-08 v1
摘要
单细胞注释对于理解细胞异质性至关重要。基于单细胞 RNA-seq 数据和深度学习模型，已在特定组织内对固定数量的细胞类型进行注释方面取得了良好进展。然而，能够跨组织泛化、发现新细胞类型并扩展到新细胞类型的通用细胞注释仍受到较少关注。为填补这一空白，本文提出了 scAgent，一个基于大语言模型 (LLM) 的通用细胞注释框架。scAgent 能够在多种组织中识别细胞类型和发现新细胞类型，并且在学习新细胞类型方面数据高效。160 种细胞类型和 35 种组织的实验结果表明，scAgent 在通用细胞类型注释、新发现和对新细胞类型的可扩展性方面表现出优越性能。
引用
@article{arxiv.2504.04698,
title = {scAgent: Universal Single-Cell Annotation via a LLM Agent},
author = {Yuren Mao and Yu Mi and Peigen Liu and Mengfei Zhang and Hanqing Liu and Yunjun Gao},
journal= {arXiv preprint arXiv:2504.04698},
year = {2025}
}