ArcInstitute/state

What it solves

State は、異なる生物学的背景において細胞が摂動（遺伝的変化など）に対してどのように反応するかを予測するためのフレームワークを提供します。研究者は細胞状態遷移をモデル化し、細胞データの高次元埋め込みを作成することで、生物学的反応をより深く理解することができます。

How it works

このプロジェクトは、主に 2 つのモデルタイプを実装しています：

1. State Transition (ST) Models: これらのモデルは、摂動の結果を予測するために学習されます。ワークフローには、生の細胞データを前処理（カウントの正規化および高変異遺伝子の選択）し、特定のデータセット構成を使用してモデルを学習し、その後、新しいデータに対して推論または評価を行うことが含まれます。

2. State Embedding (SE) Models: 这些模型は、細胞埋め込みを作成するために事前学習されています。プロセスは、データプロファイルを作成し、埋め込みモデルを適合させ、新しいデータセットを埋め込み空間に変換することを含みます。これらの埋め込みは、類似性クエリのために、ベクトルデータベース（LanceDB など）に保存できます。

Who it’s for

これは、単一細胞データ（single-cell data）を扱う計算生物学者や研究者で、遺伝的摂動の効果を予測したり、プリプリトレーニングされた細胞埋め込みを使用して新しいデータセットを注釈付けしたりする必要がある人々を対象としています。

Highlights

• Perturbation Prediction: 遺伝的摂動に対する細胞の反応を予測するモデルを学習する能力。

• Embedding Generation: データセットの注釈付けのために、細胞埋め込みモデルを事前学習し、適用するツール。

• Vector Database Integration: 細胞埋め込みを保存・クエリするために、、LanceDB へのオプションサポート。

• Flexible Configuration: Hydra と TOML ファイルを使用して、複雑なデータセット分割（zero-shot や few-shot シナリオを含む）を管理します。