Cell2SentenceMarco de código abierto que convierte la expresión genética de células individuales en 'oraciones celulares' para que los LLMs puedan analizar y generar conocimientos biológicos.

Cell2Sentence es un marco de código abierto que transforma los datos de expresión genética de células individuales en 'oraciones celulares' para análisis y generación de conocimientos mediante Modelos de Lenguaje Grande (LLMs). Propone una transformación de ordenación de vectores de expresión en oraciones celulares, que son nombres de genes separados por espacios ordenados por expresión descendente. Esto permite que los LLMs modelen de forma nativa datos de secuenciación de ARN de células individuales (scRNA-seq) utilizando lenguaje natural. El marco incluye los modelos C2S-Scale, que unifican datos transcriptómicos y textuales y permiten tareas avanzadas de células individuales como la predicción de perturbaciones, la resumación de conjuntos de datos, la descripción de grupos y la respuesta a preguntas biológicas. Los modelos C2S-Scale están disponibles en Hugging Face y se basan en arquitecturas como Pythia y Gemma-2. Cell2Sentence está dirigido a investigadores y científicos que trabajan con datos de transcriptómica de células individuales. El marco se ha actualizado con nuevos modelos y características, incluyendo soporte para ajuste fino en plantillas de indicaciones personalizadas y formato de indicaciones de varias células. También incluye una suite de modelos Pythia para la predicción de tipos de células, generación condicionada a tipos de células y un modelo diverso de varias células y tareas múltiples entrenado en más de 57 millones de células humanas y de ratón. El marco Cell2Sentence está documentado y tiene tutoriales para su uso, incluyendo ejemplos de ajuste fino y formato de indicaciones de varias células. El desarrollo de Cell2Sentence implica al laboratorio van Dijk y se ha publicado en un preprint en bioRxiv. Cell2Sentence permite el descubrimiento de nueva generación de células individuales con LLMs.