Cell2SentenceRozširuje pozorované hlasy jednotlivých cell konektivou do celkových priečinok a približuje hlasy jednotlivých cell konektivou do celkových výpočtových modelovania LLMs.

Cell2Sentence je open-source framework, ktorý premieňa údaje o expresii génov jednotlivých buniek na 'buněčné vety' pre analýzu a generovanie poznatkov pomocou veľkých jazykových modelov (LLM). Navrhuje transformáciu usporiadania expresečných vektorov do buněčných viet, čo sú priestorovo oddelené názvy génov zoradené podľa klesajúcej expresie. To umožňuje LLM pôvodne modelovať údaje o sekvencovaní RNA jednotlivých buniek (scRNA-seq) pomocou prirodzeného jazyka. Framework obsahuje modely C2S-Scale, ktoré zjednocujú transkriptomické a textové údaje a umožňujú pokročilé úlohy jednotlivých buniek, ako je predikcia perturbácie, zhrnutie súboru údajov, popis klastra a biologická otázka. Modely C2S-Scale sú dostupné na platforme Hugging Face a sú založené na architektúrach ako Pythia a Gemma-2. Cell2Sentence je určený pre výskumníkov a vedcov pracujúcich s transkriptomickými údajmi jednotlivých buniek. Rámec bol aktualizovaný s novými modelmi a funkciami, vrátane podpory dolaďovania na vlastných šablónach výziev a formátovania viacerých výziev v bunke. Zahŕňa tiež sadu modelov Pythia pre predikciu typu bunky, generovanie za podmienky typu bunky a rôznorodý model pre viac úloh a viacerých buniek trénovaný na viac ako 57 miliónoch ľudských a myších buniek. Rámec Cell2Sentence je zdokumentovaný a obsahuje návody na použitie vrátane príkladov dolaďovania a formátovania viacbunkových výziev. Vývoj nástroja Cell2Sentence sa uskutočňuje v spolupráci s van Dijk Lab a bol publikovaný ako preprint na bioRxiv. Cell2Sentence umožňuje objavovanie novej generácie na úrovni jednotlivých buniek pomocou LLM.