QuST-LLM: Integrating Large Language Models for Comprehensive Spatial Transcriptomics Analysis

本文介绍了QuST-LLM，它是QuPath的创新扩展，利用大型语言模型（LLM）的能力来分析和解释空间转录组学（ST）数据。除了通过提供包括数据加载、区域选择、基因表达分析和功能注释的全面工作流程来简化ST数据的复杂和高维特性之外，QuST-LLM还利用LLM将复杂的ST数据转化为基于基因本体注释的易于理解和详细的生物学叙述，从而显著提高了ST数据的可解释性。因此，用户可以使用自然语言与自己的ST数据进行交互。因此，QuST-LLM为研究人员提供了一个强大的功能，以揭示组织的空间和功能复杂性，促进生物医学研究的新见解和进展。QuST-LLM是QuST项目的一部分。源代码托管在GitHub上，文档可在(https://github.com/huangch/qust)上获得。

QuST-LLM试图解决如何利用大型语言模型来分析和解释空间转录组学（ST）数据，提高ST数据的可解释性。

QuST-LLM利用大型语言模型将复杂的ST数据转化为易于理解的生物学叙述，从而显著提高了ST数据的可解释性。

QuST-LLM提供了一个全面的工作流程，包括数据加载、区域选择、基因表达分析和功能注释等。使用自然语言与ST数据进行交互。QuST-LLM是QuST项目的一部分，源代码托管在GitHub上，文档可在GitHub上获得。

最近的相关研究包括使用深度学习技术处理ST数据的研究，如DeepST、ST Spotter等。