研究称语言模型可自动标注质谱流式细胞簇，一致性达85-98%

Hunewald、Grant、Boehm等发表预印本研究，提出一种无需门控层级、人工设定标志物阈值或任务专用训练数据的流程：将质谱流式聚类（如FlowSOM、GigaSOM）的中位标志物强度按标志物缩放并归并为数十个元簇，再把连续标志物谱一次性交给大语言模型，由其返回细胞类型标签与置信度。论文称，在覆盖血液、骨髓和肠道的四个人与小鼠数据集中，单一选定的模型在主要谱系层面与参考注释的元簇一致率为85-98%（Claude Sonnet 4.6为85-98%，最佳本地模型为83-96%），校正偶然一致性后Cohen's k为0.67-0.83。作者称本地开源权重模型在独立基准上与云端模型相当，但可靠性因模型而异，Claude Opus 5并不比Sonnet 4.6更可靠。两名专家对同一热图盲法标注，主要谱系一致率约99%，T细胞成熟状态仅约73%，最佳模型落在专家分歧范围内。