Cell2SentenceOtvoreni okvir koji pretvara jednostane ekspresije gena u 'sentencu stanje stanice' tako da je moguće da LLM analiraju i generiraju biološke informacije.

Cell2Sentence je otvoren kôdni okvir za preobrazbu podataka ekspresije jedinčanih ćelija u 'rečenice ćelija' za analizu i generiranje uvida koristeći Velike Modelove jezika (LLM-e). Preporučuje rangiranje redoslijedom preobražavanja vektora ekspresije u rečenice ćelija, čija su gena razdijeljena zarezima, poredana po padajućem broju ekspresije. Ovo omogućava LLM-ovima da modeliraju izlazne zapise jednocelične RNK-sekvenciranje (scRNA-seq) na način koji je naravno kao jezik. Okvir uključuje C2S-Scale modele, koji ujedinjuju transkriptomike i tekstualne podatke i omogućavaju napredne zahteve za jednocelične taskove kao što su praćenje interferencije, suženje skupova podataka, pozivanje klastera i odgovor na biološke pitanja. C2S-Scale modele su dostupne na Hugging Face i temelje se na arhitekturama kao što su Pythia i Gemma-2. Cell2Sentence je namijenjen stručnjacima koje su zainteresirane u razradi podataka jednocelične transkriptomike. Framework je obnovljen s novim modelima i značajkama, uključujući podršku za fine-tuniranje na personaliziranim predlošcima za upite i formatiranje višecelijulih upita. Uključuje i široki spektar modela Pythia za predviđanje tipa ćelije, generiranje zasnovano na uvjetima tipa ćelije i različite višecelijske više-zadaće u nastavke, trening koji se odvija na preko 57 miliona čovjeka i miša ćelija. Cell2Sentence okvir je dokumentiran i pruža nastavne sadržaje za uporabu, koje uključuju primjere fine-tuninga i formatiranja višestrukih čvorova unosa teksta. Razvoj Cell2Sentence-a uključuje Van Dijk laboratorij i objavljen je u predpripremniku na bioRxiv-u. Cell2Sentence omogućava sljedeću generaciju otkrivanja jedne stanice temeljem LLM-a.