Cell2SentenceOpen-source framework dat enkelcella geneexpressie omzet in 'cell sentences', zodat LLM's dit kunnen analyseren en biologisch inzicht kunnen genereren.

Cell2Sentence is een open-sourceframework dat genexpressiedata van afzonderlijke cellen omvormt tot 'celzinnen' voor analyse en het genereren van inzichten door Large Language Models (LLMs). Het stelt een rangschikkingstransformatie van expressievectoren naar celzinnen voor, bestaande uit door spaties gescheiden genamen die zijn gerangschikt in aflopende expressie. Hierdoor kunnen LLMs native modeling uitvoeren van enkelvoudige cel-RNA-sequentiedata (scRNA-seq) met natuurlijke taal. Het framework bevat de C2S-Scale-modellen, die transcriptomische en tekstuele gegevens verenigen en geavanceerde taken op het gebied van afzonderlijke cellen mogelijk maken, zoals het voorspellen van perturbatie, het samenvatten van datasets, het captionen van clusters en het beantwoorden van biologische vragen. De C2S-Scale-modellen zijn beschikbaar op Hugging Face en zijn gebaseerd op architecturen zoals Pythia en Gemma-2. Cell2Sentence is gericht op onderzoekers en wetenschappers die werken met transcriptomische gegevens van afzonderlijke cellen. Het raamwerk is bijgewerkt met nieuwe modellen en functies, waaronder ondersteuning voor fine-tuning op aangepaste promptsjablonen en multi-cell-promptopmaak. Het bevat ook een reeks Pythia-modellen voor celtypevoorspelling, celtypevoorwaardelijke generatie en een divers multi-cell multi-taakmodel dat is getraind op meer dan 57 miljoen menselijke en muiscellen. Het Cell2Sentence-framework is gedocumenteerd en heeft tutorials voor gebruik, inclusief voorbeelden van fijnafstemming en multi-cel-promptopmaak. De ontwikkeling van Cell2Sentence is afkomstig van het van Dijk Lab en is gepubliceerd in een preprint op bioRxiv. Cell2Sentence maakt volgende generatie single-cell ontdekking mogelijk met LLMs.