Cell2SentenceOpen-Source-Framework, das Einzelzell-Genexpressionsdaten in 'Zell-Sätze' umwandelt, damit LLMs biologische Erkenntnisse analysieren und generieren können.

Cell2Sentence ist ein Open-Source-Framework, das Einzelzell-Genexpressionsdaten in 'Zell-Sätze' für die Analyse und Generierung von Erkenntnissen durch Large Language Models (LLMs) umwandelt. Es schlägt eine Rangordnungs-Transformation von Expressionsvektoren in Zell-Sätze vor, die durch Leerzeichen getrennte Gen-Namen in absteigender Expressionsreihenfolge sind. Dies ermöglicht LLMs, Einzelzell-RNA-Sequenzierungsdaten (scRNA-seq) mithilfe natürlicher Sprache zu modellieren. Das Framework umfasst die C2S-Scale-Modelle, die transkriptomische und textuelle Daten vereinen und erweiterte Einzelzell-Aufgaben wie die Vorhersage von Perturbationen, die Zusammenfassung von Datensätzen, die Beschriftung von Clustern und die Beantwortung biologischer Fragen ermöglichen. Die C2S-Scale-Modelle sind auf Hugging Face verfügbar und basieren auf Architekturen wie Pythia und Gemma-2. Cell2Sentence richtet sich an Forscher und Wissenschaftler, die mit Einzelzell-Transkriptomics-Daten arbeiten. Das Framework wurde mit neuen Modellen und Funktionen aktualisiert, einschließlich Unterstützung für Fine-Tuning auf benutzerdefinierten Prompt-Vorlagen und Multi-Zell-Prompt-Formatierung. Es enthält auch eine Suite von Pythia-Modellen für die Vorhersage von Zelltypen, die von Zelltypen bedingte Generierung und ein vielfältiges Multi-Zell-Multi-Task-Modell, das auf über 57 Millionen menschlicher und mausartiger Zellen trainiert wurde. Das Cell2Sentence-Framework ist dokumentiert und enthält Tutorials für die Verwendung, einschließlich Beispielen für Fine-Tuning und Multi-Zell-Prompt-Formatierung. Die Entwicklung von Cell2Sentence umfasst das van Dijk Lab und wurde in einem Preprint auf bioRxiv veröffentlicht. Cell2Sentence ermöglicht die Entdeckung der nächsten Generation von Einzelzell-Daten mit LLMs.