CellWhisperer：多模态学习支持单细胞数据的对话式检索

单细胞测序早已不缺数据：液滴式平行测序让每个样本可测定数万个细胞，早期演示就在29个样本中收集了约25万个细胞的转录组^[4]，社区平台CZ CELLxGENE如今已汇聚超过9300万个经统一细胞级元数据标注的细胞^[7]。分析工具同样成熟，SCANPY把预处理、聚类、差异表达等串成可扩展流程^[2]，scVI等深度生成模型给出兼顾批次效应的概率化表示^[3]。真正的瓶颈在解释这一端：细胞类型注释与生物学解读仍依赖专家手动完成。AI给出了两条路径——scGPT在超过3300万个细胞上预训练基础模型，但下游应用需经迁移学习适配^[5]；GPT-4能根据标记基因信息给出与人工注释高度一致的细胞类型标注^[6]，却仍以标记基因列表而非对话为入口。

这篇论文的CellWhisperer选择把转录组和文字放进同一个空间：用对比学习在100万条RNA测序谱及其AI整理的描述上训练转录组—文本的多模态嵌入，再由该嵌入驱动大语言模型，让用户以自然语言聊天的方式询问细胞与基因。作者用基准测试验证了其零样本预测细胞类型等生物学注释的能力，并在人类胚胎发育的荟萃分析中展示了其用于生物学发现的价值，同时把聊天框接入CELLxGENE浏览器，实现图形界面与对话相结合的交互式探索。这项工作2024年10月18日先以预印本问世^[8]，正式发表时署名Schaefer等，PubMed显示已被引用62次^[9]。

就推进而言，以往单细胞语境下的“多模态”指同一细胞内的多种测量，如转录组联合蛋白质表面标记的加权最近邻整合^[1]，CellWhisperer则把第二个模态换成了文本，使社区多年沉淀的注释知识变成可对话的资产；与需迁移学习适配下游任务的scGPT^[5]、依赖标记基因输入的GPT-4注释^[6]相比，它将零样本的自然语言问答做成了统一入口，并落到既有平台的日常使用场景中。

也需要保持清醒：据称与其他AI模型一样，CellWhisperer并不能真正理解用户的问题，其定位是交互式探索单细胞RNA测序数据的概念验证^[10]；回答的可靠性与适用边界，仍有待更广泛场景的检验。