ChatCell: Facilitating Single-Cell Analysis with Natural Language

随着大型语言模型（LLMs）的快速发展，它们在科学领域的影响越来越突出。LLMs在任务泛化和自由形式对话方面的新兴能力可以显著推进化学和生物学等领域的发展。然而，单细胞生物学作为构成生物体基础的领域仍面临着几个挑战。当前方法中的高知识门槛和有限的可扩展性限制了LLMs在掌握单细胞数据方面的充分利用，阻碍了直接可访问性和快速迭代。为此，我们介绍了ChatCell，它通过自然语言促进了单细胞分析，标志着一种范式转变。ChatCell利用词汇适应和统一序列生成，已经在单细胞生物学方面获得了深刻的专业知识和适应各种分析任务的能力。广泛的实验进一步证明了ChatCell的强大性能和深化单细胞洞见的潜力，为在这个关键领域进行更易访问和直观的探索铺平了道路。我们的项目主页可在https://zjunlp.github.io/project/ChatCell上找到。

论文旨在通过自然语言处理技术解决单细胞生物学领域中的高知识门槛和有限可扩展性的问题，以实现更直接可访问和快速迭代的单细胞数据分析。

论文提出了一种名为ChatCell的自然语言处理框架，通过词汇适应和统一序列生成等技术，使得该框架能够在单细胞生物学领域中获得深入的专业知识，并具有处理各种分析任务的能力。

论文通过大量实验验证了ChatCell框架的鲁棒性和潜力，包括使用多个数据集进行测试和开源代码的发布。该框架的出现为单细胞生物学领域的数据分析提供了更加直观和易用的方法，是该领域的一次重要尝试。

近期在单细胞生物学领域中，还有一些相关的研究，如SingleCellNet、DeepImpute和scScope等。