[논문 리뷰] Revolutionizing Single Cell Analysis: The Power of Large Language Models for Cell Type Annotation

Zehua Zeng, Hongwu Du|arXiv (Cornell University)|2023. 04. 05.

Single-cell and spatial transcriptomicsBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

이 논문은 과학 문헌에서 추출한 생물학적 지식을 통합함으로써 셀 유형 주석을 자동화하고 향상시키기 위해 대규모 언어 모델(Large Language Models, LLMs)을 활용하는 방법을 제안한다. 유전자 발현 프로파일을 기반으로 LLM을 프롬프팅하여 정확하고 문헌 기반의 셀 유형 분류를 달성함으로써 희귀 세포 유형과 이전에 간과되었던 분화 경로를 드러내며, 이는 종양학 및 발달 생물학 분야에 응용 가능하다.

ABSTRACT

In recent years, single cell RNA sequencing has become a widely used technique to study cellular diversity and function. However, accurately annotating cell types from single cell data has been a challenging task, as it requires extensive knowledge of cell biology and gene function. The emergence of large language models such as ChatGPT and New Bing in 2023 has revolutionized this process by integrating the scientific literature and providing accurate annotations of cell types. This breakthrough enables researchers to conduct literature reviews more efficiently and accurately, and can potentially uncover new insights into cell type annotation. By using ChatGPT to annotate single cell data, we can relate rare cell type to their function and reveal specific differentiation trajectories of cell subtypes that were previously overlooked. This can have important applications in understanding cancer progression, mammalian development, and stem cell differentiation, and can potentially lead to the discovery of key cells that interrupt the differentiation pathway and solve key problems in the life sciences. Overall, the future of cell type annotation in single cell data looks promising and the Large Language model will be an important milestone in the history of single cell analysis.

연구 동기 및 목표

• 기존에 세포 생물학 및 유전자 기능에 깊은 전문 지식이 필요한 단일세포 RNA 시퀀싱에서 정확한 셀 유형 주석을 해결하는 것.
• 수동 코딩과 기존 계산 방법의 한계를 극복하여 희귀하거나 이형성 세포 유형을 놓치는 문제를 해결하는 것.
• 광범위한 과학 문헌에서 생물학적 지식을 통합하여 주석 정확도를 향상시키기 위해 대규모 언어 모델의 잠재력을 탐색하는 것.
• 기존 분석 워크플로우에서 간과되었던 새로운 세포 하위유형과 분화 경로를 식별할 수 있도록 돕는 것.
• 체계 생물학 및 재생의학 분야에서 더 빠르고 종합적인 문헌 검토와 가설 수립을 촉진하는 것.

제안 방법

• 단일세포 데이터의 유전자 발현 프로파일을 프롬프팅하여 사전 훈련된 대규모 언어 모델(예: ChatGPT, New Bing)을 생물학적 지식 엔진으로 활용하는 것.
• 기존 알려진 생물학적 기능과 세포 유형 마커를 고려한 자연어 프롬프트를 설계하여 단일세포 전사체 데이터를 맥락화하는 것.
• 기존 단일세포 분석 워크플로우에 LLM 기반 주석을 통합하여 세포 유형 할당을 검증하고 개선하는 것.
• 다양한 과학 문헌에서 정보를 검색하고 통합할 수 있는 LLM의 능력을 활용하여 표준 마커 유전자 목록을 초월한 세포 유형 정체성 추론을 수행하는 것.
• 기존 훈련 데이터가 없는 희귀하거나 잘 특징화되지 않은 세포 집단을 주석하기 위해 제로샷 또는 피셔샷 프롬프팅 전략을 적용하는 것.
• 정확도와 생물학적 타당성을 평가하기 위해 LLM 예측 결과를 알려진 세포 유형 주석과 실험 문헌과 교차 검증하는 것.

실험 결과

연구 질문

• RQ1 대규모 언어 모델이 자연어 프롬프트만으로 단일세포 RNA 시퀀싱 데이터의 세포 유형을 정확하게 주석화할 수 있는가?
• RQ2 LLM은 전통적인 주석 방법이 놓치는 희귀하거나 이형성 세포 유형을 어느 정도 정확하게 식별할 수 있는가?
• RQ3 과학 문헌에서 통합된 정보를 바탕으로 LLM은 복잡한 조직에서 새로운 분화 경로나 계통 관계를 드러낼 수 있는가?
• RQ4 정확도와 생물학적 관련성 측면에서 LLM 기반 주석은 전통적인 마커 기반 또는 머신러닝 기반 접근 방식과 비교해 어떻게 다른가?
• RQ5 LLM은 발달 또는 질병에서 정상 분화 경로를 방해하는 핵심 조절 세포의 발견을 어떻게 향상시킬 수 있는가?

주요 결과

• 대규모 언어 모델은 과학 문헌에서 통합된 지식을 활용하여 단일세포 데이터의 세포 유형 주석을 높은 정확도로 수행하였다.
• 이 방법은 기존 표준 주석 워크플로우에서 간과되었던 희귀 세포 유형과 그 기능적 역할을 식별하였다.
• LLM 기반 주석은 줄기세포 및 발달 시스템에서 이전에 발견되지 않았던 분화 경로를 드러내었다.
• 이 접근법은 더 종합적이고 효율적인 문헌 검토를 가능하게 하여 수동 코딩에 필요한 시간과 전문 지식을 줄였다.
• 유전자 발현 프로파일과 맥락 기반 생물학적 질문을 포함한 프롬프트는 생물학적으로 타당하고 일관된 세포 유형 할당을 도출하였다.
• LLM을 단일세포 분석 워크플로우에 통합함으로써 종양 생물학 및 재생의학 분야에서 발견 속도 향상 잠재력을 입증하였다.