L-STAR 用视觉大模型比较空间域检测结果并构建共识图谱

研究团队开发了 L-STAR，利用大语言模型对空间转录组分析得到的空间域图谱进行视觉比较和排序，再根据排名最高的结果构建共识空间域图谱。在覆盖不同组织、物种和技术的多个数据集上，L-STAR 的结果比单一方法或固定方法组合的共识分析更接近专家注释。其排序结果可重复，在改变图像颜色或呈现顺序时总体保持稳定。L-STAR 还会给出比较理由，并为检测到的空间域赋予具有生物学意义的名称。作者认为，这表明大语言模型可以让空间转录组分析更具适应性、稳健性和可解释性。