SpaCellAgent自进化多智能体框架自动分析空间转录组轨迹

背景

空间和单细胞转录组学（Spatial and Single-cell transcriptomics）正在变革我们对细胞动态过程的理解。作为重建细胞发育路径的基础范式，轨迹推断（Trajectory Inference, TI）至关重要。然而，现有方法需要大量的人工干预以及对多种异构工具的熟练运用，这构成了高效 TI 分析的主要障碍。为弥补这一缺口，研究者提出了 SpaCellAgent，一个基于大语言模型（LLM）的自主多智能体框架，旨在自动化端到端的时空分析与叙事生成。

核心内容

SpaCellAgent 是一个自我进化的、基于 LLM 的多智能体框架，专门用于轨迹分析。该框架利用多智能体架构进行战略性工作流规划，通过动态工具编排引擎实现自适应算法选择，并配备自我进化模块，借助反馈迭代优化性能。研究团队在六个异构数据集上评估了 SpaCellAgent，这些数据集涵盖复杂的时态发育轨迹、多样化的测序平台以及空间分辨的组织结构。实验结果表明，SpaCellAgent 在保持与专家水平对齐性能的同时，始终能够将分析效率提升超过 40%。通过将自然语言描述转化为优化后的分析工作流，并完全自动化整个流程，SpaCellAgent 使得先进的时空建模变得更为普及，并建立了一种可扩展的、以智能体为驱动的计算生物学新范式。相关代码与材料已公开。

关键要点

• SpaCellAgent 是一个基于大语言模型（LLM）的多智能体框架，用于自动化轨迹推断分析。
• 采用多智能体架构实现策略性工作流规划，覆盖从任务分解到执行的全过程。
• 内置动态工具编排引擎，能够根据数据特征自适应选择最适合的算法。
• 自我进化模块通过持续接收用户或系统反馈来迭代优化自身性能。
• 在六个覆盖不同发育轨迹、测序平台和组织结构的异构数据集上进行了评估。
• 分析效率提升超过 40%，同时性能与专家手动分析结果一致。
• 支持将自然语言指令直接转化为优化后的分析工作流，实现全自动化端到端流水线。
• 代码与材料开源，促进可复现研究与社区协作。

意义与影响

SpaCellAgent 的提出标志着计算生物学中一个重要的范式转变：从依赖人工专家的大量手动干预，转向由 LLM 驱动的自主智能体实现全自动化分析。该框架不仅显著降低了轨迹推断的技术门槛，使非专业用户也能利用自然语言进行复杂分析，还通过动态工具编排和自我进化机制保证了分析的科学性和自适应能力。其超过 40% 的效率提升意味着科研人员可以更快地从海量时空数据中提取生物学洞见。此外，作为开源的可扩展框架，SpaCellAgent 为未来整合更多生物信息学工具、构建更通用的智能体驱动分析平台奠定了基础，有望推动空间与单细胞组学领域的研究民主化与规模化发展。