When Simpler Models Win: A Calibration Benchmark of scGPT for Cell-Type Annotation
Este estudio demuestra que los modelos de aprendizaje automático clásicos entrenados en conjuntos de genes emparejados igualan o superan consistentemente a las canalizaciones basadas en scGPT tanto en precisión como en calibración estadística para la anotación de tipos celulares a través de seis atlas de célula única a gran escala, desafiando la supuesta superioridad de los modelos de lenguaje de gran escala para célula única sin líneas de base emparejadas rigurosas.