摘要

本文介绍了一种名为CellAgent的LLM（大型语言模型）驱动的多智能体框架，专门用于自动化单细胞数据分析。CellAgent通过构建生物学专家角色（规划者、执行者和评估者）和分层决策机制，有效地驱动复杂数据分析任务的规划和逐步执行。此外，CellAgent还引入了自我迭代优化机制，使其能够自主评估和优化解决方案，确保输出质量。该框架在包括数十种组织和数百种不同细胞类型的综合基准数据集上进行了评估，结果显示CellAgent能够有效地识别最适合单细胞分析任务的工具和超参数，实现最佳性能。这标志着我们进入了“智能体为科学”的新时代，极大地减少了科学数据分析的工作量。

原理

CellAgent的核心创新在于其多智能体协作机制，其中每个智能体（规划者、执行者和评估者）都由LLM驱动，并具有特定的生物学专家角色。规划者负责理解用户需求和数据，并提供全面的任务规划；执行者负责顺序执行分解的子任务，提供详细的分析和可执行代码；评估者负责评估当前步骤的结果，并选择最佳解决方案。通过这种分层决策框架和自我迭代优化机制，CellAgent能够高效地协作，确保高质量的任务完成。

流程

CellAgent的工作流程包括接收用户输入（单细胞数据和任务描述），规划者解析用户意图并分解任务为子任务，执行者顺序执行这些子任务，并在遇到异常时进行优化，最终由评估者评估结果并输出最佳解决方案。例如，用户输入任务是“帮助我注释给定单细胞数据的细胞类型”，CellAgent将通过识别高度可变基因、细胞类型注释等步骤，使用如“Sc-Type”和“Celltypist”等工具，最终输出注释结果。

应用

CellAgent的应用前景广泛，特别是在单细胞转录组学研究中，它能够显著降低技术壁垒和成本。此外，CellAgent还有潜力广泛应用于更多的生物医学研究领域，推动更准确和全面的生物发现。