CellTypeAgent: Trustworthy cell type annotation with Large Language Models

📄 arXiv: 2505.08844v1 📥 PDF

作者: Jiawen Chen, Jianghao Zhang, Huaxiu Yao, Yun Li

分类: q-bio.GN, cs.AI

发布日期: 2025-05-13

💡 一句话要点

CellTypeAgent：利用大语言模型实现可信的细胞类型注释

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 细胞类型注释 单细胞RNA测序 大语言模型 生物信息学 数据库验证

📋 核心要点

  1. 单细胞RNA测序中细胞类型注释耗时费力，现有方法准确率有待提高。
  2. CellTypeAgent结合大语言模型与数据库验证，提升注释准确性并减少幻觉。
  3. 实验表明，CellTypeAgent在多个真实数据集上优于现有方法，注释效率更高。

📝 摘要（中文）

细胞类型注释是单细胞RNA测序分析中一个关键但费力的步骤。我们提出了一种可信的大语言模型（LLM）代理，CellTypeAgent，它将LLM与来自相关数据库的验证相结合。CellTypeAgent实现了比现有方法更高的准确性，同时减轻了幻觉问题。我们在涉及来自36个组织的303个细胞类型的九个真实数据集上评估了CellTypeAgent。这种组合方法有望实现更高效和可靠的细胞类型注释。

🔬 方法详解

问题定义：单细胞RNA测序（scRNA-seq）分析中，细胞类型注释是一个至关重要的步骤，它旨在根据基因表达谱确定每个细胞的类型。然而，这个过程通常需要人工干预，耗时且容易出错。现有的自动化方法，如基于机器学习的分类器，虽然可以加速这一过程，但往往缺乏可解释性，并且容易产生幻觉，即给出不准确或不合理的注释。

核心思路：CellTypeAgent的核心思路是利用大语言模型（LLM）的强大推理能力和知识储备，结合外部数据库的验证，来提高细胞类型注释的准确性和可信度。LLM能够理解细胞类型之间的复杂关系，并生成合理的注释。同时，通过数据库验证，可以纠正LLM可能产生的幻觉，确保注释的可靠性。

技术框架：CellTypeAgent的整体框架包含以下几个主要模块：1) LLM推理模块：该模块接收单细胞的基因表达谱作为输入，利用LLM生成候选的细胞类型注释。2) 数据库验证模块：该模块利用相关的生物学数据库（例如，细胞类型知识库、基因本体论数据库）对LLM生成的候选注释进行验证，评估其合理性和一致性。3) 注释优化模块：该模块根据数据库验证的结果，对LLM生成的注释进行优化，选择最可信的细胞类型作为最终注释。

关键创新：CellTypeAgent的关键创新在于将LLM的推理能力与数据库的验证相结合，从而在细胞类型注释中实现了更高的准确性和可信度。与传统的基于机器学习的方法相比，CellTypeAgent具有更强的可解释性和更低的幻觉风险。此外，CellTypeAgent能够利用LLM的知识迁移能力，更好地处理新的或罕见的细胞类型。

关键设计：CellTypeAgent的关键设计包括：1) LLM的选择：选择具有强大推理能力和丰富生物学知识的LLM，例如，经过生物医学领域预训练的LLM。2) 数据库的选择：选择与细胞类型注释相关的权威数据库，例如，包含细胞类型定义、基因表达模式和细胞间关系的数据库。3) 验证策略：设计有效的验证策略，例如，基于基因本体论的相似性度量、基于细胞类型知识库的规则检查等。4) 优化算法：设计优化算法，根据数据库验证的结果，选择最可信的细胞类型作为最终注释。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

CellTypeAgent在九个真实数据集上进行了评估，这些数据集包含来自36个组织的303个细胞类型。实验结果表明，CellTypeAgent在细胞类型注释的准确性方面优于现有的方法，并且能够有效地减轻LLM的幻觉问题。具体的性能提升幅度未知，但摘要强调了其更高的准确性。

🎯 应用场景

CellTypeAgent可应用于单细胞RNA测序数据的自动化分析，加速生物医学研究的进程。它能够帮助研究人员更准确地识别细胞类型，从而深入理解细胞功能、疾病机制和药物靶点。该工具还可用于构建更精确的细胞图谱，为精准医疗提供支持。未来，CellTypeAgent有望扩展到其他单细胞组学数据类型，例如单细胞ATAC-seq和单细胞蛋白质组学。

📄 摘要（原文）

Cell type annotation is a critical yet laborious step in single-cell RNA sequencing analysis. We present a trustworthy large language model (LLM)-agent, CellTypeAgent, which integrates LLMs with verification from relevant databases. CellTypeAgent achieves higher accuracy than existing methods while mitigating hallucinations. We evaluated CellTypeAgent across nine real datasets involving 303 cell types from 36 tissues. This combined approach holds promise for more efficient and reliable cell type annotation.