scPilot: Razonamiento de Modelos de Lenguaje Grande hacia el Análisis y Descubrimiento Automatizado de Células Individuales
scPilot: Large Language Model Reasoning Toward Automated Single-Cell Analysis and Discovery
February 12, 2026
Autores: Yiming Gao, Zhen Wang, Jefferson Chen, Mark Antkowiak, Mengzhou Hu, JungHo Kong, Dexter Pratt, Jieyuan Liu, Enze Ma, Zhiting Hu, Eric P. Xing
cs.AI
Resumen
Presentamos scPilot, el primer marco sistemático para practicar el razonamiento nativo en ómicas: un modelo de lenguaje grande (LLM) conversa en lenguaje natural mientras inspecciona directamente datos de RNA-seq de células individuales y herramientas de bioinformática bajo demanda. scPilot convierte los análisis centrales de células individuales, es decir, la anotación de tipos celulares, la reconstrucción de trayectorias de desarrollo y la identificación de factores de transcripción diana, en problemas de razonamiento paso a paso que el modelo debe resolver, justificar y, cuando sea necesario, revisar con nueva evidencia.
Para medir el progreso, publicamos scBench, un conjunto de 9 conjuntos de datos curados por expertos y evaluadores que valoran fielmente la capacidad de razonamiento nativo en ómicas de scPilot con respecto a varios LLM. Los experimentos con o1 muestran que el razonamiento nativo en ómicas iterativo aumenta la precisión promedio en un 11% para la anotación de tipos celulares, y Gemini-2.5-Pro reduce la distancia de edición de grafos de trayectoria en un 30% frente al prompting de una sola vez, mientras genera trazas de razonamiento transparentes que explican la ambigüedad de los genes marcadores y la lógica regulatoria. Al fundamentar los LLM en datos de ómicas crudos, scPilot permite análisis de células individuales auditables, interpretables y diagnósticamente informativos.
El código, los datos y el paquete están disponibles en https://github.com/maitrix-org/scPilot.
English
We present scPilot, the first systematic framework to practice omics-native reasoning: a large language model (LLM) converses in natural language while directly inspecting single-cell RNA-seq data and on-demand bioinformatics tools. scPilot converts core single-cell analyses, i.e., cell-type annotation, developmental-trajectory reconstruction, and transcription-factor targeting, into step-by-step reasoning problems that the model must solve, justify, and, when needed, revise with new evidence.
To measure progress, we release scBench, a suite of 9 expertly curated datasets and graders that faithfully evaluate the omics-native reasoning capability of scPilot w.r.t various LLMs. Experiments with o1 show that iterative omics-native reasoning lifts average accuracy by 11% for cell-type annotation and Gemini-2.5-Pro cuts trajectory graph-edit distance by 30% versus one-shot prompting, while generating transparent reasoning traces explain marker gene ambiguity and regulatory logic. By grounding LLMs in raw omics data, scPilot enables auditable, interpretable, and diagnostically informative single-cell analyses.
Code, data, and package are available at https://github.com/maitrix-org/scPilot