摘要
空间和单细胞转录组学在解读细胞动态方面具有变革性意义。轨迹推断（TI）作为重建细胞发育路径的基本范式至关重要。然而，现有方法需要大量的手动干预和对异质工具的熟练掌握，这对高效的TI分析构成了重大障碍。
为了解决这一问题，我们提出了SpaCellAgent，一个自动化的大型语言模型（LLM）多智能体框架，旨在实现端到端的时空分析和叙述生成。
SpaCellAgent采用多智能体架构进行战略工作流规划，动态工具编排引擎进行自适应算法选择，并通过反馈迭代地优化性能的自我进化模块。我们在六个异质数据集上评估了SpaCellAgent，这些数据集涵盖复杂的时间发育轨迹、多样的测序平台和空间分辨的组织结构。SpaCellAgent在分析效率上持续展示出超过40%的提升，同时保持与专家一致的性能。
通过将自然语言规范转化为优化的分析工作流，并实现管道的完全自动化，SpaCellAgent使得先进的时空建模变得民主化，建立了一个可扩展的、以智能体驱动的计算生物学范式。代码和材料可在 GitHub 获取。
博主点评： SpaCellAgent的提出为细胞发育轨迹分析带来了巨大便利，通过自动化和自我进化机制，显著降低了对技术专业知识的依赖，使得生物信息学研究者能够更高效地进行数据分析与解读。其多智能体架构和动态工具选择引擎的设计无疑为未来的计算生物学研究提供了新的思路和方向。