ChatCell: Facilitating Single-Cell Analysis with Natural Language

要約

大規模言語モデル (LLM) が急速に進化するにつれて、科学におけるその影響力はますます顕著になってきています。
タスクの一般化と自由形式の対話における LLM の新たな機能により、化学や生物学などの分野が大幅に進歩する可能性があります。
しかし、生物の基礎的な構成要素を形成する単細胞生物学の分野は、依然としていくつかの課題に直面しています。
現在の方法では知識の壁が高く、スケーラビリティが限られているため、単一セル データをマスターする際の LLM の完全な活用が制限され、直接アクセスと迅速な反復が妨げられます。
この目的を達成するために、自然言語による単一細胞分析を容易にすることでパラダイム シフトを意味する ChatCell を紹介します。
ChatCell は、語彙の適応と統一された配列生成を活用して、単細胞生物学における深い専門知識と、多様な分析タスクに対応する能力を獲得しました。
広範な実験により、ChatCell の堅牢なパフォーマンスと単一細胞の洞察を深める可能性がさらに実証され、この極めて重要な分野でのよりアクセスしやすく直感的な探索への道が開かれます。
私たちのプロジェクトのホームページは https://zjunlp.github.io/project/ChatCell でご覧いただけます。

要約(オリジナル)

As Large Language Models (LLMs) rapidly evolve, their influence in science is becoming increasingly prominent. The emerging capabilities of LLMs in task generalization and free-form dialogue can significantly advance fields like chemistry and biology. However, the field of single-cell biology, which forms the foundational building blocks of living organisms, still faces several challenges. High knowledge barriers and limited scalability in current methods restrict the full exploitation of LLMs in mastering single-cell data, impeding direct accessibility and rapid iteration. To this end, we introduce ChatCell, which signifies a paradigm shift by facilitating single-cell analysis with natural language. Leveraging vocabulary adaptation and unified sequence generation, ChatCell has acquired profound expertise in single-cell biology and the capability to accommodate a diverse range of analysis tasks. Extensive experiments further demonstrate ChatCell’s robust performance and potential to deepen single-cell insights, paving the way for more accessible and intuitive exploration in this pivotal field. Our project homepage is available at https://zjunlp.github.io/project/ChatCell.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google