Cell2SentenceÅpen kildekode-rammeverk som konverterer single-cell genuttrykk til 'cell setninger' slik at LLMs kan analysere og generere biologiske innsikter.

Cell2Sentence er et åpen kildekode‑rammeverk som omformer single‑cell genuttrykkdata til "cell sentences" for analyse og innsiktsgenerering ved hjelp av Large Language Models (LLMs). Det foreslår en rangordningstransformasjon av uttrykkvektorer til cell sentences, som er mellomromsseparerte gennavn sortert etter synkende uttrykk. Dette gjør det mulig for LLMs å modellere single‑cell RNA‑sequencing (scRNA‑seq) data med naturlig språk. Rammeverket inkluderer C2S-Scale‑modellene, som forener transkriptomiske og tekstlige data og muliggjør avanserte single‑cell‑oppgaver som forstyrrelsesprediksjon, datasett‑sammendrag, cluster‑beskrivelser og biologisk spørsmål‑og‑svar. C2S-Scale‑modellene er tilgjengelige på Hugging Face og er basert på arkitekturer som Pythia og Gemma-2. Cell2Sentence er rettet mot forskere og vitenskapsfolk som jobber med single‑cell transkriptomikkdata. Rammeverket er oppdatert med nye modeller og funksjoner, inkludert støtte for finjustering på tilpassede promptmaler og flerkapsle promptformat. Det inkluderer også en serie Pythia-modeller for celletypeprediksjon, celletypebetinget generering, og en variert flerkapsle fleroppgave-modell trent på over 57 millioner menneskelige og muscel­ler. Cell2Sentence-rammeverket er dokumentert og har tutorials for bruk, inkludert eksempler på finjustering og formattering av flere celler i prompt. Utviklingen av Cell2Sentence involverer van Dijk Lab og er publisert i en preprint på bioRxiv. Cell2Sentence muliggjør oppdagelse av enkeltceller av neste generasjon med LLMs.