Cell2SentenceFrammento open-source che converge l'espressione genica di singola cellula in 'frasi di cellula' al fine di poter analizzare e generare luce biologica grazie agli LLM.

Cell2Sentence è un framework open source che trasforma i dati di espressione genica delle cellule singole in 'frasi cellulare' per l'analisi ed il generamento d'insight tramite i Modelli di Linguaggio Grande (LLM). Propone una trasformazione di ordinamento per grado di vettori di espressione in frasi cellulare, che sono nomi di geni separati nello spazio ordinati secondo scendente espressione. Ciò consente agli LLM di modellare in modo nativo i dati della sequenza di RNA singola cellolare (scRNA-seq) utilizzando il linguaggio naturale. Il framework include i modelli C2S-Scale, che unificano i dati di transcriptomia e di testo e consentono di svolgere compiti avanzati per cellule singole come la previsione di perturbazione, la riassunzione dei dati, la didascalia dei cluster e la risposta a domande biologiche. I modelli C2S-Scale sono disponibili su Hugging Face e sono basati su architettture come Pythia e Gemma-2. Cell2Sentence è destinato a ricercatori e scienziati che lavorano con dati di transcriptomia di cellule singole. Il framework è stato aggiornato con nuovi modelli e funzionalità, tra cui il supporto per la fine-tuning su modelli di avvio personalizzati e la formattazione multi-cell di avvio. Inoltre include un insieme di modelli Pythia per la predizione del tipo cellulare, la generazione condizionata al tipo cellulare e un modello multi-cell multi-task diversificato addestrato su oltre 57 milioni di cellule umane e di topo. La piattaforma Cell2Sentence è ben documentata e fornisce tutorial per l'uso, inclusi esempi di adattamento fine e formattazione della domanda multi-cellula. Lo sviluppo di Cell2Sentence coinvolge il Laboratorio van Dijk e è stato pubblicato in una versione preprint su bioRxiv. Cell2Sentence abilita la scoperta delle cellule a scala singola con LLM.