- 2 次围观
本研究对大型语言模型（LLM）及智能体编程系统在转录组数据自动化分析与可视化工作流中的表现进行了全面基准评估，研究对象尤其聚焦于人类对 COVID-19 感染的响应。研究评估了多个模型，包括 ChatGPT 5.5、Claude Sonnet 4.6、Gemini 3.1 和 Llama4-Scout，并通过一系列科学提示词，检验其复现各类工作流环节的能力，例如降维、聚类、离群值检测、可复现性和代码生成。基准测试方案通过改变提示词的具体程度，并同时考察聚类评分、离群值数量等定量指标，以及代码质量和可复现性等定性方面。结果表明，提高提示词的具体程度有助于改善代码结构和方法学正确性，但定量表现很大程度上取决于预处理选择和执行环境。尽管部分模型生成了质量较高的代码，并产出可复现的结果，但其与基于标签的聚类等科学目标的一致性并不稳定。研究结果揭示了当前 LLM 在自动化科学数据分析与可视化方面的潜力与局限，并为未来的基准测试和工作流标准化提出了方向。
大型语言模型在转录组数据分析与可视化中的基准测试：多模型工作流评估 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
大型语言模型在转录组数据分析与可视化中的基准测试：多模型工作流评估
Anjali Iyer，
Arjun Subedi，
查看 ORCID 个人资料
Kimberly S Butler，
查看 ORCID 个人资料
Raga Krishnakumar
doi：
https://doi.org/10.64898/2026.10.22.761023
Anjali Iyer
桑迪亚国家实验室
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Arjun Subedi
桑迪亚国家实验室
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Kimberly S Butler
桑迪亚国家实验室
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Kimberly S Butler 的 ORCID 记录
Raga Krishnakumar
桑迪亚国家实验室
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Raga Krishnakumar 的 ORCID 记录
联系邮箱：
rkrishn{at}sandia.gov
摘要
信息/历史
指标
PDF 预览
摘要
本研究对大型语言模型（LLM）和智能体编程系统在转录组数据自动化分析与可视化工作流中的表现进行了全面的基准评估，重点关注人类对 COVID-19 感染的响应。研究评估了多个模型，包括 ChatGPT 5.5、Claude Sonnet 4.6、Gemini 3.1 和 Llama4-Scout，并通过一系列科学提示词测试它们复现工作流各环节的能力，包括降维、聚类、离群值检测、可复现性和代码生成。该……
基准测试方案通过改变提示词的具体程度进行测试，并考察了聚类得分和离群值数量等定量指标，以及代码质量和可复现性等定性方面。结果表明，提高提示词的具体程度有助于改善代码结构和方法学正确性，但定量表现很大程度上取决于预处理方法和执行环境。尽管部分模型生成了质量较高的代码并产出了可复现的结果，但其表现与基于标签的聚类等科学目标的一致性并不稳定。这些发现揭示了当前大语言模型在自动化科学数据分析与可视化方面的潜力与局限，并为未来的基准测试和工作流程标准化指明了方向。
利益冲突声明
作者声明不存在利益冲突。
已申报的资助方信息
桑迪亚国家实验室，实验室定向研发项目
版权
本预印本的版权所有者为作者／资助方，其已授予 bioRxiv 永久展示该预印本的许可。
本文依据 CC-BY 4.0 国际许可协议发布。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 27 日。
下载 PDF
电子邮件
感谢您有意帮助传播 bioRxiv 的内容。
注意：请求提供您的电子邮件地址，仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请在不同的行中输入多个电子邮件地址，或以逗号分隔。
您即将通过电子邮件发送以下内容：
《用于转录组数据分析与可视化的大语言模型基准测试：多模型工作流程评估》
邮件主题
（您的姓名）转发了 bioRxiv 网站上的一个页面给您
邮件正文
（您的姓名）认为您可能会想查看 bioRxiv 网站上的这个页面。
您的#+#+#+#+
个人留言
验证码
此问题用于测试您是否为真人访客，并防止自动垃圾信息提交。
分享
大型语言模型在转录组数据分析与可视化中的基准测试：多模型工作流程评估
Anjali Iyer、Arjun Subedi、Kimberly S Butler、Raga Krishnakumar
bioRxiv
2026.10.22.761023
doi：https://doi.org/10.64898/2026.10.22.761023
分享本文：
复制
引用工具
大型语言模型在转录组数据分析与可视化中的基准测试：多模型工作流程评估
Anjali Iyer、Arjun Subedi、Kimberly S Butler、Raga Krishnakumar
bioRxiv
2026.10.22.761023
doi：https://doi.org/10.64898/2026.10.22.761023
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（tagged）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
学科领域
生物信息学
学科领域
所有文章
动物行为与认知（8164）
生物化学（19027）
生物工程（15171）
生物信息学（45438）
生物物理学（22958）
癌症生物学（20135）
细胞生物学（27334）
临床试验（138）
发育生物学（14165）
生态学（21415）
流行病学（2067）
进化生物学（25827）
遗传学（16365）
基因组学（23868）
免疫学（19055）
微生物学（43242）
分子生物学（18367）
神经科学（95265）
古生物学（714）
病理学（3039）
药理学与毒理学（5211）
生理学（8294）
植物生物学（16288）
科学传播与教育（2116）
合成生物学（4650）
系统生物学（10399）
动物学（2428）
关键词：大型语言模型 · 转录组分析 · 基准测试 · 单细胞数据可视化 · 科学工作流自动化
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.22.761023v1?rss=1