ReCellTy：基于领域知识图谱的大模型单细胞注释工作流程

主要观点总结

ReCellTy是一个由山东大学控制科学与工程学院、山东大学齐鲁医院放射肿瘤科和约翰斯·霍普金斯大学土木与系统工程系联合推出的细胞类型注释方法。旨在通过知识图谱和大型语言模型（LLMs）生成高质量的细胞类型注释，提高推理能力和准确性。该方法利用结构化的细胞知识图谱将细胞鉴定问题转换为一系列查询和决策步骤，并在多个细胞鉴定基准测试中展现出性能提升。

关键观点总结

关键观点1: ReCellTy方法的目标

利用大型语言模型（LLMs）进行精确和全自动的细胞类型注释，提高细胞类型领域的推理能力和准确性。

关键观点2: 方法的特点

采用图结构化的特征-标记基因数据库，用于检索与细胞重建相关的实体；设计多任务工作流以优化注释过程。

关键观点3: 方法的应用与效果

在包含11种组织类型的数据集上进行实验测试，通过人工评估和语义评估的综合策略评价性能。与通用LLMs相比，ReCellTy在人工评估得分和语义相似性评估上有所提升。

关键观点4: 方法的主要挑战与未来研究方向

面临知识图谱构建的复杂性和对LLM的依赖等挑战。未来可探索更高效的知识图谱构建和维护方法，减少对LLM的依赖，或探索如何整合其他单细胞数据分析工具和流程。