단일 세포 RNA 시퀀싱 (scRNA-seq) 데이터의 효과적인 표현 학습을 위해 단일 세포 대규모 언어 모델(scLLMs)을 활용하는 최근 연구들이 있지만, 이는 전사체 데이터에만 집중하고 텍스트 설명과 같은 보완적인 생물학적 지식을 무시한다는 한계가 있습니다. 본 논문에서는 이러한 한계를 극복하기 위해, 언어 기반 강화 표현 학습을 위한 새로운 다중 모달 프레임워크인 scMMGPT를 제안합니다. scMMGPT는 정량적 유전자 발현 데이터를 보존하는 강력한 세포 표현 추출을 사용하며, 차별적 정확성과 생성적 유연성을 결합하는 혁신적인 2단계 사전 훈련 전략을 도입합니다. 광범위한 실험 결과, scMMGPT는 세포 주석 및 클러스터링과 같은 주요 하위 작업에서 단일 모달 및 다중 모달 기준 모델을 상당히 능가하며, 분포 외 상황에서도 우수한 일반화 성능을 보임을 보여줍니다.
