vandijklab/cell2sentence

解決する課題

Cell2Sentence (C2S) は、大規模言語モデル (LLM) をシングルセル・トランスクリプトームデータに適用する際の困難を解決します。従来、このデータは LLM がネイティブに処理できない発現ベクトルで構成されていました。C2S は、これらのベクトルを「細胞の文章」（発現レベル順に並べられた遺伝子名のシーケンス）に変換することで、LLM が生物学的データを自然言語として扱えるようにします。

仕組み

このフレームワークは、ランク順序付け変換を使用して、遺伝子発現ベクトルをスペース区切りの遺伝子名（発現量の降順）に変換します。これにより、LLM（Pythia や Gemma-2 アーキテクチャに基づくものなど）が scRNA-seq データをモデル化できるようになります。このシステムは、次遺伝子予測、細胞型予測、および特定の細胞型に基づいた合成細胞の生成をサポートしています。また、トランスクリプトームデータと論文要旨などのテキストデータを統合することも可能です。

対象ユーザー

このツールは、最新の LLM アーキテクチャを活用して生物学的発見を目指す、シングルセル解析およびトランスクリプトミクスを専門とする計算生物学者や研究者向けに設計されています。

ハイライト

• スケーラブルなアーキテクチャ: Pythia および Gemma-2 を使用した最大 27B パラメータのモデルをサポート。
• マルチタスク機能: 摂動予測、データセットの要約、クラスターのキャプション付け、生物学的質問応答が可能。
• 包括的なモデル動物園: 細胞型予測、条件付き細胞生成、および多様なマルチセルタスクのための事前学習済みモデルを提供。
• 柔軟なワークフロー: カスタムプロンプトテンプレートの組み込みサポートと、ファインチューニング用のマルチセルプロンプト形式をサポート。