2025_NIPS_SCPILOT: Large Language Model Reasoning Toward Automated Single-Cell Analysis and Discover

文章核心总结与创新点

主要内容

本文提出SCPILOT框架，通过组学原生推理（ONR）范式，将大语言模型（LLM）与生物信息学工具结合，实现单细胞RNA测序数据分析的自动化与可解释性。该框架聚焦细胞类型注释、发育轨迹重建、转录因子靶向预测三大核心任务，通过文本转换、工具库调用和LLM迭代推理，直接处理原始组学数据并生成透明推理轨迹。同时发布SCBENCH基准套件，包含9个专家精选数据集和评估指标，用于系统衡量模型的组学推理能力。实验验证显示，SCPILOT在多种LLM上均实现性能提升，且兼具生物可解释性与成本效率。

创新点

1. 提出组学原生推理（ONR）新范式，让LLM直接对接原始单细胞数据，通过"假设-验证-修正"的迭代推理生成可审计的分析结果。
2. 构建SCPILOT模块化框架，整合问题文本转换器、生物工具库和LLM推理器，无需微调即可适配核心单细胞分析任务。
3. 发布首个组学原生推理基准SCBENCH，兼顾数值准确性与生物学有效性评估，填补现有基准的空白。
4. 实现分析结果的生物可解释性，通过推理轨迹暴露标记基因模糊性、谱系不一致性等关键信息，辅助科学发现。

---

英文原文翻译（Markdown格式）