Cell2SentenceOtevřený framework, který obrací single-cell gene expresi na ' věty o buňkách', aby mohly být analýzovány a generovány biologické vhledy pro language models (LLM).

Cell2Sentence je open-source framework, který transformuje data o expresi genů v jednotlivých buňkách do 'buněčných vět' pro analýzu a generování poznatků pomocí velkých jazykových modelů (LLM). Navrhuje řazenou transformaci vektoru exprese do buněčných vět, což jsou oddělená jména genů uspořádaná podle sestupné exprese. To umožňuje LLM nativně modelovat data sekvencování RNA jednotlivých buněk (scRNA-seq) pomocí přirozeného jazyka. Framework zahrnuje modely C2S-Scale, které sjednocují transkriptomická a textová data a umožňují pokročilé úkoly pro jednotlivé buňky, jako je predikce perturbace, sumarizace datových sad, popis shluků a biologické otázky. Modely C2S-Scale jsou k dispozici na platformě Hugging Face a jsou založeny na architekturách, jako jsou Pythia a Gemma-2. Cílová skupina Cell2Sentence jsou výzkumníci a vědci pracující s transkriptomickými daty jednotlivých buněk. Rámec byl aktualizován s novými modely a funkcemi, včetně podpory jemného ladění na vlastních šablonách výzev a formátování vícebuněčných výzev. Zahrnuje také sadu modelů Pythia pro predikci typu buněk, generování podmíněné typu buněk a různorodý vícebuněčný víceúlohový model trénovaný na více než 57 milionech lidských a myších buněk. Rámec Cell2Sentence je zdokumentován a obsahuje návody k použití, včetně příkladů doladění a formátování vícebuněčných výzev. Vývoj Cell2Sentence zahrnuje van Dijk Lab a byl zveřejněn v preprintu na bioRxiv. Cell2Sentence umožňuje objevování na další úrovni v oblasti jednotlivých buněk pomocí LLM.