Towards Applying Large Language Models to Complement Single-Cell Foundation Models

文章主要内容总结本文聚焦于大语言模型（LLMs）与单细胞基础模型（如scGPT）的互补应用，旨在解决单细胞基础模型无法利用生物文本信息的局限性。研究背景：单细胞基础模型（如scGPT）在单细胞组学任务中表现优异，但仅基于基因表达数据训练，无法利用海量生物文本知识；而LLMs因预训练时涵盖生物知识，被尝试用于单细胞分析，但现有研究多将其作为替代方案，对其性能驱动因素及与单细胞模型的互补性探索不足。核心方法：通过可解释性方法（集成梯度、LIME）和消融实验，探究LLMs在单细胞数据分析中的性能机制；提出融合模型scMPT，结合scGPT与LLMs（Ember-V1文本编码器）的表征，利用两者协同效应；实验对比不同融合方法（如生成式LLMs与scGPT结合），验证互补策略的有效性。主要发现：LLMs通过预训练的生物知识（尤其是标记基因）和简单基因表达模式（如基因排序）实现高性能；scMPT在细胞类型分类和疾病表型预测中表现优于单一模型，且性能更稳定；具有推理能力的LLMs与scGPT结合可进一步提升性能，为未来研究提供方向。创新点揭示LLMs性能机制：首次通过可解释性分析和消融实验，明确LLMs在