cafferychen777/mLLMCelltype

解決的問題

mLLMCelltype 解決了單細胞RNA定序（scRNA-seq）資料中自動細胞類型標註的挑戰。傳統上，從基因表現資料中識別細胞類型可能容易出錯，或依賴特定參考資料集。此框架透過在多個大型語言模型（LLM）之間採用共識方法，減少單一模型的偏誤與錯誤。

作用方式

此工具接收每個細胞群集的標記基因（差異表現基因），並使用多種大型語言模型（如 GPT、Claude、Gemini 等）預測細胞類型。不依賴單一模型，而是實作共識框架，讓多個模型分析資料，並整合其預測結果。過程包含多輪迭代討論，模型評估證據並精煉標註，並提供一致性比例與香農熵等不確定性指標，以標記不可靠的預測。

適用對象

專為使用 Scanpy（Python）或 Seurat（R）等平台，並需要一種無參考資料方法來標註細胞群體的單細胞轉錄體學與生物資訊學研究人員設計。

主要特色

• 多LLM共識：整合10+個LLM提供者的預測，提升準確度，超越單一模型基線。
• 無參考資料：無需預訓練或外部參考資料集即可標註細胞類型。
• 迭代優化：模型進行多輪討論以精煉結果。
• 不確定性量化：提供指標以識別與驗證不確定的標註。
• 跨平台支援：透過專用 Python 與 R 套件，完全整合至 Scanpy 與 Seurat 工作流程中。
• 廣泛模型相容：支援 OpenAI、Anthropic、Google、DeepSeek 與 OpenRouter 等多種提供者。