Cell2SentenceEstrutura de código aberto que converte a expressão gênica de células individuais em 'sentenças celulares' para que LLMs possam analisar e gerar insights biológicos.

Cell2Sentence é uma estrutura de código aberto que transforma dados de expressão gênica de células individuais em 'sentenças celulares' para análise e geração de insights por modelos de linguagem grandes (LLMs). Ela propõe uma transformação de ordenação de vetores de expressão em sentenças celulares, que são nomes de genes separados por espaços e ordenados por expressão decrescente. Isso permite que LLMs modelem naturalmente dados de sequenciamento de RNA de células individuais (scRNA-seq) usando linguagem natural. A estrutura inclui os modelos C2S-Scale, que unificam dados transcriptômicos e textuais e permitem tarefas avançadas de células individuais, como previsão de perturbação, resumo de conjunto de dados, legendas de cluster e resposta a perguntas biológicas. Os modelos C2S-Scale estão disponíveis no Hugging Face e são baseados em arquiteturas como Pythia e Gemma-2. O Cell2Sentence é destinado a pesquisadores e cientistas que trabalham com dados de transcriptômica de células individuais. A estrutura foi atualizada com novos modelos e recursos, incluindo suporte para ajuste fino em modelos de prompt personalizados e formatação de prompt de várias células. Também inclui uma suíte de modelos Pythia para previsão de tipo de célula, geração condicionada de tipo de célula e um modelo diversificado de várias células e multi-tarefa treinado em mais de 57 milhões de células humanas e de camundongo. A estrutura Cell2Sentence é documentada e possui tutoriais para uso, incluindo exemplos de ajuste fino e formatação de prompt de várias células. O desenvolvimento do Cell2Sentence envolve o van Dijk Lab e foi publicado em um pré-print no bioRxiv. O Cell2Sentence permite a descoberta de próxima geração de células individuais com LLMs.