SynthPert：通过合成推理轨迹增强 LLM 生物推理以预测细胞扰动
人工智能
2026-04-28 v2 机器学习
细胞行为
基因组学
摘要
预测细胞对基因扰动的反应是系统生物学中的一项基本挑战，对推进治疗发现和虚拟细胞建模至关重要。尽管大型语言模型在生物推理方面展现出潜力，但由于难以将其适应于结构化实验数据，其在扰动预测中的应用仍待深入探索。我们提出了 SynthPert，一种通过在前沿模型生成的合成推理轨迹上进行监督微调来增强 LLM 性能的新方法。使用 PerturbQA 基准，我们证明我们的方法不仅达到了 SOTA 性能，而且超越了生成训练数据的前沿模型的能力。我们的结果揭示了三个关键洞察：（1）合成推理轨迹即使部分不准确，也能有效提取生物知识；（2）该方法实现了跨细胞类型泛化，在未见过的 RPE1 细胞上达到 87% 的准确率；（3）即使仅使用 2% 的质量过滤训练数据，性能提升依然保持。本工作展示了合成推理蒸馏在增强 LLM 领域特定推理方面的有效性。
引用
@article{arxiv.2509.25346,
title = {SynthPert: Enhancing LLM Biological Reasoning via Synthetic Reasoning Traces for Cellular Perturbation Prediction},
author = {Lawrence Phillips and Marc Boubnovski Martell and Aditya Misra and Josefa Lia Stoisser and Cesar A. Prada-Medina and Rory Donovan-Maiye and Kaspar Märtens},
journal= {arXiv preprint arXiv:2509.25346},
year = {2026}
}