- 3 次围观
内容形式：摘要译文
对无监督流式细胞术分析流程（如 FlowSOM、GigaSOM）产生的簇进行细胞类型鉴定，是一项耗时且依赖专家的瓶颈工作，通常需要专家读取标志物中位强度热图，并为每个簇指定标签。大型语言模型（LLM）能够根据标志基因列表对单细胞 RNA 测序簇进行注释，但流式细胞术簇数据在维度和数据类型上均有所不同。我们提出了一种直接的方法：按标志物对簇中位数进行缩放，并依据相似性将其分组为数十个元簇。随后，将连续标志物表达谱输入 LLM；模型通过单次调用，即可为每个元簇返回细胞类型标签及置信度，无需设置门控层级、人工定义标志物特异性阈值，也无需任务专用训练数据。在涵盖血液、骨髓和肠道的四个人类及小鼠数据集中，单个经过恰当选择的模型在主要谱系层面复现参考注释的元簇级一致率为 85–98%（云端 Claude Sonnet 4.6 为 85–98%，表现最佳的本地模型为 83–96%），显著优于多数类基线；经机会校正的一致性指标 Cohen's κ 为 0.67–0.83。在独立基准测试中，本地开放权重模型的表现可与云端模型相媲美，因此在符合数据保护限制的前提下，可将其应用于临床或患者来源的数据。模型可靠性取决于具体模型：没有任何本地模型在所有数据集中都表现最佳，而前沿模型 Claude Opus 5 的可靠性并不高于 Claude Sonnet 4.6；后者在各数据集间的一致性最为稳定。由于不存在绝对的注释真值，我们对同一组连续热图额外进行了两次专家注释；注释者对参考注释及所有模型输出均不知情，以建立一种与方法相匹配的……
一致性上限。专家对主要谱系判定的一致率约为 99%，但对 T 细胞成熟状态的一致率仅约为 73%；在这一维度上，表现最佳的模型结果处于专家意见分歧范围之内。因此，基于 LLM 的注释是一种实用的免训练规则注释替代方案，但前提是其输出须针对预期的检测面板和物种进行核查。
关键词：质谱流式细胞术 · 细胞类型注释 · 大型语言模型 · 无监督聚类 · 免疫细胞分析
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.20.760379v1?rss=1