본 논문은 대규모 언어 모델(LLM)을 이용한 정확하고 완전 자동화된 세포 유형 주석을 가능하게 하기 위해, 세포 재구성을 위한 차별 유전자와 연결된 엔티티를 검색하는 그래프 구조의 특징 마커 데이터베이스를 개발했습니다. 또한 주석 프로세스를 최적화하기 위한 다중 작업 워크플로우를 설계했습니다. 일반적인 LLM과 비교하여, 본 논문의 방법은 11가지 조직 유형에서 사람의 평가 점수를 최대 0.21 향상시키고 의미적 유사성을 6.1% 향상시키는 동시에 수동 주석의 인지 논리와 더욱 밀접하게 일치합니다.
시사점, 한계점
•
시사점:
◦
대규모 언어 모델을 이용한 정확하고 자동화된 세포 유형 주석의 가능성을 제시합니다.
◦
그래프 구조의 특징 마커 데이터베이스와 다중 작업 워크플로우를 통해 기존 LLM의 성능을 개선했습니다.
◦
수동 주석의 인지 논리에 더욱 부합하는 주석 결과를 제공합니다.
•
한계점:
◦
본 연구에서 사용된 11가지 조직 유형 외 다른 유형의 세포에 대한 일반화 가능성은 추가 연구가 필요합니다.
