用大模型+数据库验证，提升单细胞注释准确率。
CellTypeAgent: Trustworthy cell type annotation with Large Language Models
- 结合大模型与数据库验证，减少注释错误。
- 在36个组织的303种细胞类型上表现优于现有方法。
- 适合需要高可靠注释的生物医学研究者。
单细胞RNA测序中的细胞类型注释是关键但耗时的步骤。我们提出可信的大语言模型代理CellTypeAgent，将大模型与相关数据库验证相结合。该方法在九个真实数据集（涵盖36个组织的303种细胞类型）上实现了比现有方法更高的准确性，同时有效缓解了幻觉问题。该联合策略为更高效、可靠的细胞类型注释提供了可能。
原文摘要 · Abstract (English)
Cell type annotation is a critical yet laborious step in single-cell RNA sequencing analysis. We present a trustworthy large language model (LLM)-agent, CellTypeAgent, which integrates LLMs with verification from relevant databases. CellTypeAgent achieves higher accuracy than existing methods while mitigating hallucinations. We evaluated CellTypeAgent across nine real datasets involving 303 cell types from 36 tissues. This combined approach holds promise for more efficient and reliable cell type annotation.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。