近期研究将大型语言模型（LLM）应用于单细胞数据，但细胞通常以一份简短的基因排序列表的形式输入模型。这份列表遗漏了许多定义细胞特征的信息，因此模型只能基于不完整的视图进行推理。然而，测量数据中的信息并未丢失，只是在文本中未能体现。本文介绍 Cell-Lens：一种无需训练、用于结构化表示测量细胞的方法。它将细胞表示为带类型的区块，涵盖配对测量数据和有标记物支持的细胞程序。在 CellVerse、SOAR、CellPuzzles 和 SC-Arena 上，针对五类模型，Cell-Lens 的性能最高提升了 27.1 个百分点。它还缩小了模型间的性能差距，并减少了 API 报告的推理 token 用量。最大的提升出现在定义性 RNA 标记物未出现在排序列表中的情况。在这些情况下，配对的蛋白质数据仍能捕捉到相应信号。打乱新增区块会消除这一提升。在移除选定的、与标签相关的蛋白质后，这一提升仍然存在。这些对照实验表明，性能提升源于与细胞相匹配的生物学内容。我们还构建并发布了 CellSpectrum，这是一个更广泛的基准，涵盖八个数据来源、七项任务以及配对模态。该基准上的提升在不同任务、组织和模态中均成立。这些结果表明，无需重新训练模型，改进细胞表示即可提升单细胞推理能力。代码和 CellSpectrum 已公开发布于 https://github.com/LiZaiyuan0619/Cell-Lens。
在此网站搜索该作者
摘要
信息/历史
指标
PDF 预览
摘要
近期研究将大型语言模型（LLM）应用于单细胞数据，但细胞通常以一份简短的基因排序列表的形式输入模型。这份列表省略了许多定义细胞特征的信息，因此模型只能基于不完整的视图进行推理。然而，这些信息并未在测量过程中丢失，只是在文本表示中被遗漏了。在此，我们提出 Cell-Lens，这是一种无需训练、用于表示实测细胞的结构化方法。它将细胞表示为若干类型化模块，内容涵盖配对测量数据和有标记基因支持的细胞程序。在 CellVerse、SOAR、CellPuzzles 和 SC-Arena 上，针对五类模型，Cell-Lens 可使性能最高提升 27.1 个百分点。它还能缩小模型间的性能差距，并减少 API 报告的推理 token 用量。当定义性 RNA 标记未出现在排序列表中时，性能提升最为显著。在这些情况下，配对蛋白质数据仍能捕获相应信号。打乱新增模块的顺序会使性能提升消失。在移除选定的、与标签相关的蛋白质后，这种提升仍然存在。这些对照实验表明，性能改进源于与细胞相匹配的生物学信息。我们还构建并发布了 CellSpectrum，这是一个更全面的基准，涵盖八个数据来源、七项任务及配对模态。该基准中的结果表明，这种性能提升在不同任务、组织和模态中均成立。这些结果说明，无需重新训练模型，改进细胞表示即可提升单细胞推理能力。代码和 CellSpectrum 已公开发布于 https://github.com/LiZaiyuan0619/Cell-Lens。
利益冲突声明
作者声明不存在利益冲突。
版权
本预印本的版权持有人为作者/资助方，其已授予 bioRxiv 永久展示本预印本的许可。
版权所有。未经许可不得转载或再利用。
返回顶部
上一篇
发布于2026年9月24日。
下载 PDF
电子邮件
感谢您有意帮助宣传 bioRxiv。
注意：仅要求您提供电子邮件地址，以确认您是本文的发送者。
您的电子邮箱
*
您的姓名
*
收件人
*
请在不同的行中输入多个地址，或用逗号分隔。
您即将发送以下内容
Cell-Lens：在单细胞分辨率下提升大型语言模型推理能力
邮件主题
（您的姓名）转发了 bioRxiv 上的一个页面给您
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这个页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人工访问者，并防止自动提交垃圾信息。
分享
Cell-Lens：在单细胞分辨率下提升大型语言模型推理能力
yanchao
li
,
Ben
Gao
,
Wanhao
Liu
,
Jiaqing
Xie
,
T. Y.
Tsui
,
Yuanyuan
Zhang
,
Yanbo
Wang
,
Tianfan
Fu
,
Yuqiang
Li
bioRxiv
2026.09.19.752842；
doi：
https://doi.org/10.64898/2026.09.19.752842
分享本文：
复制
引用工具
Cell-Lens：在单细胞分辨率下提升大型语言模型推理能力
yanchao
li
,
Ben
Gao
,
Wanhao
Liu
,
Jiaqing
Xie
,
T. Y.
Tsui
,
Yuanyuan
Zhang
,
Yanbo
Wang
,
Tianfan
Fu
,
Yuqiang
Li
bioRxiv
2026.09.19.752842；
doi：
https://doi.org/10.64898/2026.09.19.752842
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（标签格式）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks（标签格式）
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google +1
学科领域
所有文章
动物行为与认知
（8026）
生物化学
（18811）
生物工程
（14934）
生物信息学
（44555）
生物物理学
（22663）
癌症生物学
（19787）
细胞生物学
（26970）
临床试验
（138）
发育生物学
（14006）
生态学
（21065）
流行病学
（2067）
进化生物学
（25509）
遗传学
（16194）
基因组学
(23551)
免疫学
(18754)
微生物学
(42616)
分子生物学
(18122)
神经科学
(93704)
古生物学
(702)
病理学
(2989)
药理学与毒理学
(5107)
生理学
(8138)
植物生物学
(16038)
科学传播与教育
(2098)
合成生物学
(4577)
系统生物学
(10260)
动物学
(2394)
关键词：单细胞数据 · 大语言模型 · 多模态细胞表示 · 单细胞推理 · 生物信息学基准
原文链接：https://www.biorxiv.org/content/10.64898/2026.09.19.752842v1?rss=1