scPilot: Redeneren met Grote Taalmodellen voor Geautomatiseerde Enkelcelanalyse en Ontdekking
scPilot: Large Language Model Reasoning Toward Automated Single-Cell Analysis and Discovery
February 12, 2026
Auteurs: 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
Samenvatting
Wij presenteren scPilot, het eerste systematische raamwerk voor *omics-native reasoning*: een groot taalmodel (LLM) voert gesprekken in natuurlijke taal terwijl het direct single-cell RNA-seq data inspecteert en on-demand bio-informatica tools gebruikt. scPilot zet kernanalyses van enkelvoudige cellen – zoals celtype-annotatie, reconstructie van ontwikkelingspaden en targeting van transcriptiefactoren – om in stapsgewijze redeneerproblemen die het model moet oplossen, rechtvaardigen en, indien nodig, herzien met nieuw bewijs.
Om de vooruitgang te meten, lanceren we scBench, een reeks van 9 deskundig samengestelde datasets en beoordelaars die de *omics-native reasoning*-capaciteit van scPilot ten opzichte van verschillende LLM's nauwkeurig evalueren. Experimenten met o1 tonen aan dat iteratief *omics-native reasoning* de gemiddelde nauwkeurigheid voor celtype-annotatie met 11% verhoogt, en Gemini-2.5-Pro de grafiek-editieafstand voor ontwikkelingspaden met 30% verkleint in vergelijking met one-shot prompting, terwijl het transparante redeneersporen genereert die ambiguïteit in markergenen en regulatorische logica verklaren. Door LLM's te verankeren in ruwe omics-data, maakt scPilot controleerbare, interpreteerbare en diagnostisch informatieve single-cell analyses mogelijk.
Code, data en package zijn beschikbaar op 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