智能单细胞操纵:LLMs-和物体检测增强的活性矩阵数字微流体学.
Zhiqiang Jia1,2,3,4, Chen Jiang2, Jiahao Li5
1CAS Key Laboratory of Bio-Medical Diagnostics, Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, 215163, P. R. China.
Microsystems & nanoengineering
|July 7, 2025
概括
本研究介绍了使用大型语言模型 (LLM) 和数字微流体学进行单细胞样本操纵 (SCSM) 的自动化平台. 该系统显著提高了细胞生成率和识别精度,用于先进的生命科学研究.
科学领域:
- 生物技术是生物技术.
- 微流体学 微流体学
- 人工智能的人工智能
背景情况:
- 单细胞分析对于理解细胞异质性至关重要.
- 现有的单细胞样本处理 (SCSM) 系统昂贵,产量低,劳动密集.
- 有限的研究将大型语言模型 (LLM) 应用于lab-on-a-chip自动化.
研究的目的:
- 开发一个完全自动化的SCSM平台,使用一个主动矩阵数字微流体 (AM-DMF) 系统.
- 为智能SCSM集成LLMs和对象检测.
- 为了创建一个新的,可编程的实验室在芯片上的系统,用于自动化生物程序.
主要方法:
- 开发一个主动矩阵数字微流体 (AM-DMF) 平台.
- 集成大型语言模型 (LLM) 和对象检测算法.
- 实施三类检测方法用于细胞和油泡识别,包括边缘病例.
主要成果:
- 实现了高达25%的单细胞样本生成率和98%的识别精度.
- 通过在滴滴边缘区分细胞,提高了细胞识别精度1.0% (AP75度量).
- 证明了在滴滴边缘对隐蔽细胞的有效处理,改善了SCSM的整体性能.
结论:
- 开发的AM-DMF平台在自动化SCSM方面取得了突破,在效率和性能方面超过了现有系统.
- 整合LLM提供了一个无处不在的工具,用于自动生成SCSM工作流程,推进单细胞分析.
- 这项工作为生命科学中更容易获得和更有效的单细胞研究铺平了道路.
