Cell2SentenceNyílt forráskódú keretrendszer, amely egycellás génexpressziót alakít 'cell sentences'-é, hogy az LLM-ek elemezhetnek és biológiai betekintéseket generálhassanak.

A Cell2Sentence egy nyílt forráskódú keretrendszer, amely egycellás gének expressziós adatait "cellás mondatokká" alakítja át elemzés és betekintés generálására Nagy Nyelvi Modellek (LLM-ek) segítségével. Egy sorrendi transzformációt javasol az expressziós vektorok cellás mondatokká történő átalakítására, amelyek szóközökkel elválasztott génnevekből állnak, csökkenő expresszió sorrendjében. Ez lehetővé teszi az LLM-ek számára, hogy természetes nyelven modellezzék az egycellás RNS-szekvenálás (scRNA-seq) adatait. A keretrendszer tartalmazza a C2S-Scale modelleket, amelyek az átírásos és a szöveges adatokat egyesítik, és lehetővé teszik az egycellás feladatokat, például a zavarásbecsülést, az adatkészlet összefoglalását, a klaszter leírást és a biológiai kérdések megválaszolását. A C2S-Scale modellek elérhetők a Hugging Face-en, és olyan architektúrákon alapulnak, mint a Pythia és a Gemma-2. A Cell2Sentence célja, hogy segítse a kutatókat és a tudósokat, akik egycellás transzkriptómiai adatokkal dolgoznak. A keretrendszert frissítették új modellekkel és funkciókkal, ideértve a testreszabott sablonokon való finomhangolást és a multi-cellás prompt formázást. Emellett tartalmaz egy Pythia modellek sorozatát a sejttypusok előrejelzésére, a sejttypus feltételezett generálására, és egy sokszínű, többsejtes, többfeladatos modellt, amelyet több mint 57 millió emberi és egérsejten képeztek ki. A Cell2Sentence keretrendszer dokumentált, és tartalmaz oktatóanyagokat a használatához, beleértve a finomhangolás és a több cellás prompt formázás példáit. A Cell2Sentence fejlesztése a van Dijk Labban történt és egy előnyomtatásban közzétették a bioRxiv-en. A Cell2Sentence lehetővé teszi a következő generációs egymagos felfedezést LLM-ek segítségével.