ArcInstitute/state

What it solves

State는 다양한 생물학적 맥락에서 세포가 섭동(유전적 변화 등)에 어떻게 반응하는지 예측하는 프레임워크를 제공합니다. 연구자들은 세포 상태 전이를 모델링하고 세포 데이터의 고차원 임베딩을 생성하여 생물학적 반응을 더 잘 이해할 수 있습니다.

How it works

이 프로젝트는 두 가지 주요 모델 유형을 구현합니다:

1. State Transition (ST) Models: 이 모델들은 섭동의 결과를 예측하도록 학습됩니다. 워크플로우는 원시 세포 데이터를 전처리(카운트 정규화 및 고변이 유전자 선택)하고, 특정 데이터셋 구성으로 모델을 학습시킨 후, 새로운 데이터에 대해 추론 또는 평가를 수행합니다.

2. State Embedding (SE) Models: 이 모델들은 세포 임베딩을 생성하기 위해 사전 학습됩니다. 이 프로세스는 데이터 프로필을 구축하고, 임베딩 모델을 피팅하고, 새로운 데이터셋을 임베딩 공간으로 변환하는 과정을 포함합니다.

이 임베딩은 유사성 쿼리를 위해 벡터 데이터베이스(LanceDB와 같은)에 저장할 수 있습니다.

Who it’s for

이 프로젝트는 유전적 섭동 효과를 예측하거나 사전 학습된 세포 임베딩을 사용하여 새로운 데이터셋을 주석을 달아야 하는 계산 생물학자 및 단일 세포 데이터를 다루는 연구자들을 위해 설계되었습니다.

Highlights

• Perturbation Prediction: 유전적 섭동에 대한 세포의 반응을을 예측하는 모델을 학습할 수 있는 능력.

• Embedding Generation: 데이터셋 주석을 위한 세포 임베딩 모델을 사전 학습하고 적용하는 도구.

• Vector Database Integration: 세포 임베딩을 저장하고 쿼리하기 위한 LanceDB에 대한 선택적 지원. n

• Flexible Configuration: Hydra와 TOML 파일을 사용하여 zero-shot 및 few-shot 시나리오를 포함한 복잡한 데이터셋 분할을 관리합니다.