CellAgent：LLM Agent 助力单细胞测序数据分析的重要突破丨AI 4 Science

自2013年被Nature Methods评为年度技术以来，单细胞转录组测序已经快速走过了十多个年头。随着技术成本的下降和研究的不断深入，这门技术的应用版图早已超出了最初的想象——疾病监测、新药靶点挖掘、辅助生殖与产前诊断、基因调控网络解析、细胞通讯分析……几乎每一个生命科学的前沿领域，都离不开单细胞转录组数据的支撑。

然而，数据有了，分析却是另一道高墙。单细胞数据分析的门槛，高就高在它既要研究者懂生物学背景，又得会写代码、调参数。面对1400多种分析工具，每一步从预处理、批次校正、聚类、找标记基因、细胞类型注释，到轨迹推断，都需要专业的知识和繁琐的手动操作。对绝大多数研究者来说，这才是真正的“卡脖子”环节。

有没有一种办法，让研究人员只输入数据和想做什么，剩下的全部交给机器？来自西北工业大学和天津大学的研究团队近期给出了一个颇具想象力的答案——

，一个专为单细胞数据分析设计的多智能体自动化系统。

简单说，用户不需要写一行代码，不需要了解单细胞数据分析的底层逻辑，只要告诉CellAgent“我要做什么”，它就能通过多个大语言模型之间的高效协作，自动完成高质量的分析。这标志着大语言模型驱动的AI智能体在科学领域又迈出了坚实一步，也推动了“

”这一新范式的落地。

背景：为什么需要这样一个智能体？

单细胞RNA测序（scRNA-seq）技术以空前的规模和精度解析转录组，从根本上改变了分子生物学。与之相伴的，是计算方法的大规模创新——目前已有超过1400种工具可用于不同角度的数据分析。但复杂性也随之而来：研究人员不仅要掌握编程技能，还得具备扎实的生物医学背景，才能为特定的数据特征选择合适的工具和参数。从预处理到细胞类型注释，每一步都需要手动操作和专业知识。因此，一个能理解用户意图、自动完成整个流程的智能Agent，成了刚需。

CellAgent多智能体协作框架设计

scRNA-seq数据分析的复杂性与多样性，决定了它很难用一把“万能钥匙”搞定。CellAgent的核心思路，是利用大型语言模型（LLM）来模拟不同角色的生物专家——

负责高层次的任务拆解，负责具体的工具调用和参数调节，则对执行结果进行打分，并推动自我迭代优化。三层角色通过分层决策和自迭代机制高效协作，最终在很多数据集上超越了现有工具的表现。

CellAgent在50多个单细胞数据集上进行了全面测试，覆盖了数十种组织、数百种不同的细胞类型，包括正常和疾病样本。在20多个有专家注释标签的数据集上，它的任务完成率和分析质量均表现出色。

高效去批次效应

批次效应是单细胞数据整合中最头疼的问题之一。研究团队用九个涵盖人体主要组织或器官的数据集来评估CellAgent的去批次能力。CellAgent内部集成了多种主流去批次算法，它能根据数据集的具体特征，自动选择最合适的算法，并通过内部迭代机制和Evaluator（基于GPT-4v图像理解能力）的评分，选出最优结果。

与scVI、LIGER、Scanorama、Harmony、Combat等经典方法相比，CellAgent在批次校正和生物效应保留方面都表现突出，拿到了最高的平均综合得分（0.68）。从Heart数据集的UMAP图可以直观看到，CellAgent成功消除了批次效应，同时保留了真实的细胞类型结构。

提高细胞类型注释的准确率

细胞类型注释是单细胞数据分析的关键环节。传统单一工具往往有局限性，很难泛化到不同数据集；而人工手动注释又极度依赖专家知识和大量时间。CellAgent能自动找出各细胞簇的差异表达基因，同时调用不同的细胞类型注释工具获取初步结果，再综合这些信息完成最终注释。在多个数据集上对比七种方法的性能基准测试中，CellAgent的平均准确率表现优异，尤其在人外周血单个核细胞（PBMC）数据集上的注释结果，与专家标注高度一致。

高效轨迹推断

细胞轨迹推断是解码发育和分化机制的重要工具。CellAgent集成了Dyno（一个专门用于单细胞轨迹推断的R包），它能根据数据集大小、用户指定算法时间等信息，自动筛选潜在的不同轨迹推断算法作为备选，通过迭代机制选出Top n个算法执行，然后利用Evaluator的多模态能力和专家知识，对生成的轨迹图像进行打分，选出最优结果。

在造血干细胞、人类胚胎细胞等9个数据集上，CellAgent与Slingshot、Paga等五种方法对比，多个指标均表现突出，平均整体得分最高。在造血干细胞数据集中，CellAgent成功揭示了细胞的发育轨迹，并展示了相关基因表达模式的变化，为理解细胞命运决定机制提供了有力支撑。

总结

CellAgent是一个通用、可扩展、自动化的scRNA-seq数据分析工具。它通过分层决策和自我迭代优化，有效保障了分析质量，几乎不需要人工干预，大大降低了数据分析的难度和成本。更值得期待的是，它的开放式架构允许用户提供新的知识和工具，使其能更好地符合个性化需求。CellAgent的出现，不仅为生物信息学打开了新的研究思路，也扩展了生成式人工智能在科学中的应用边界——或许，这正是通往“智能发现”时代的又一块重要拼图。