Genome Biol：汤富酬等利用大型语言模型进行全自动单细胞RNA-seq数据注释和集成

北京大学汤富酬教授团队在《Genome Biology》上发表文章，介绍了一种名为scExtract的新框架。该框架利用大型语言模型（LLM）对单细胞RNA测序数据进行全自动预处理、注释和集成。scExtract能够从已发表的研究文章中自动提取并集成单细胞RNA-seq数据，显著提高了数据处理效率，并在基准测试中表现出色。此外，研究人员还开发了新的整合算法scanorama-prior和cellhint-prior，通过结合先验注释信息，在提高批处理校正效果的同时保持生物多样性的完整性。研究团队通过整合14个数据集创建了一个包含44万个细胞的全面人体皮肤图谱，展示了scExtract在揭示新生物学见解方面的实用性和有效性。scExtract只需原始表达矩阵和文章内容作为输入，即可自动执行预处理、聚类和注释操作。