大语言模型能搞定AI虚拟细胞？

摘要

高通量单细胞测序技术实现了大规模细胞图谱绘制，推动了单细胞基础模型的发展。这类模型通常基于转录组数据预训练，可学习通用细胞表征，但在模态覆盖、因果推理与可解释性上存在局限，难以达成人工智能虚拟细胞（AIVC）的愿景。与此同时，大语言模型（LLM）在统一异质模态、适配多类任务、生成可解释推理链方面展现出强大潜力，是实现AIVC的理想方案。近期LLM在细胞注释、扰动预测等任务中的应用印证了该潜力，但仍存在任务覆盖不足、评估指标单一、输入与提示鲁棒性有限等核心挑战。为解决上述问题，本文提出面向细胞领域的大语言模型综合评估框架CeLLM。CeLLM覆盖基因、细胞、组学３级分析的全品类任务，系统评估15个开源、闭源与生物学专用模型，并在多任务设定下采用多元化评估准则。作为跨尺度、可复现、动态更新的基准，CeLLM提供可持续平台，用于追踪研究进展、推动方法创新，加速大语言模型向虚拟细胞建模方向发展。

#胃肠道间质瘤 #多组学资源库 #大语言模型 #靶点挖掘 #MCM7 #细胞生物学 #大语言模型 #单细胞测序 #多组学整合 #AI虚拟细胞 #基准评估

引言

图1 CeLLM基准框架概览

该基准从数据集、模型、影响因素到评价指标逐层构建，覆盖6大核心任务与15个开源/闭源模型。

结果与分析

细胞注释

表1 单细胞注释任务结果

表2 空间细胞注释任务结果

详细总结

思维导图

参考

CeLLM: Can Large Language Models Achieve the AI Virtual Cell?

https://openreview.net/forum?id=qyS3gtL2Fx

260212CeLLM.pdf

注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。