多模式学习使单元数据的聊天式探索成为可能
Moritz Schaefer1,2, Peter Peneder3,4, Daniel Malzl2,5,6
1Medical University of Vienna, Institute of Artificial Intelligence, Center for Medical Data Science (CEDAS), Vienna, Austria.
Nature biotechnology
|November 11, 2025
概括
CellWhisperer是一个人工智能工具,它使用自然语言聊天来解释复杂的单细胞RNA测序数据. 它通过将转录组与文本信息连接起来,使基因表达分析更容易获得.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 单细胞测序产生了大量详细的生物数据.
- 解释这些复杂的基因表达数据仍然是研究人员面临的重大挑战.
研究的目的:
- 开发一种由人工智能驱动的工具,CellWhisperer,用于对单细胞RNA测序数据进行直观的,基于聊天的查询.
- 提高单细胞转录组信息的可访问性和可解释性.
主要方法:
- 在100万个RNA测序配置文件上使用对比学习构建了转录组和文本注释的多式嵌入.
- 将这种嵌入与大型语言模型集成,以实现对基因表达数据的自然语言查询.
- 开发了一个与CELLxGENE浏览器集成的聊天界面,用于交互式数据探索.
主要成果:
- CellWhisperer在细胞类型和生物注释的零射击预测方面表现出强的表现.
- 该工具促进了生物发现,正如人类胚胎发育的元分析所显示的那样.
- 用户可以通过结合的图形界面和聊天界面来交互探索基因表达.
结论:
- CellWhisperer有效地利用大规模的数据存储库来弥合转录组和文本.
- 这种人工智能模型显著增强了使用自然语言聊天的单细胞RNA测序数据的交互式探索.


