Cell2SentenceYeni-öncü bir framework ki tek-hücre gen ifadelerini 'hücre cümleleri' haline dönüştürür, böylece LLM'lar verilerdeki biyolojik çıkarımları analiz ve yaratmak için kullanabilir.

Cell2Sentence, açık kaynaklı bir çerçevedir ki tek hücre gen ifade verilerini analiz ve kafa patlasma için hücre cümleleri haline dönüştürür. Büyük Dil Modelleri (LLM'ler) için bir sıralaması olan ifadesin vektörlerini hücre cümlelerine dönüştürür. Bunlar, açık ifadelendirme ile ifadenin azaldığı şekilde gen isimleriyle oluşturulurlar. Bu, doğalgaz dilini kullanarak tek hücre RNA sekanslama verileri (scRNA-seq verileri) üzerinde LLM'ler gibi bütünsel dil modellemesine olanak tanır. Çerçeve, C2S- Ölçek modellerini de içerir ki, transkripomik ve metin tabanlı verileri birleştirir ve karmaşık hücre içi görevleri destekliyordur gibi perturasyon predictionsi, veri toplaması, kümle etiketi ve biyolojik soruları cevaplandırılması gibi. C2S-Scale modelleri, Hugging_face'te sunuluyorlar ve mimariler gibi Pythia ve Gemma-2 ile ilişkilendirilmiştir. Cell2Sentence, tek hücre transkriptomik veriler ile çalışan araştırmacılar ve bilim insanlarına amaçlanıyor. Yalıtımı Framework yeni modeller ve özellikler ile güncellenmiştir, bu da özel uyarı şablonları ve multi-cell uyarı şekli formatlama desteği için yüksek doğruluk üzerinde eğitimlere uygunluk sunmaktadır. Ayrıca Pythia modellerinin bir koleksiyonunu da içerir, hücre tipi tahmini, hücre tipi koşullaşmış üretim ve 57 milyondan fazla insan ve fare hücresi üzerinde eğitimlenmiş çoklu hücğe dayalı çok görevli hücre modelini barındırır. Cell2Sentence framework, kullanımını belgeleyen dokümantasyon ve öğreticilerle birlikte, örnek fine-tuning ve multi-cell prompt dizaynı içermektedir. Cell2Sentence geliştirme sürecinde Van Dijk Laboratuarı yer almakta ve bioRxiv'de öne sürülen bir ön basım yayınlanmıştır. Cell2Sentence, ileri nesil single-cell keşfi için LLM'ler (ÖlÇütli Dil Modelleri) ile sağlar.