Cell2Sentence开源框架，将单细胞基因表达转为 '细胞语句'，使LLMs能够分析和生成生物学洞察。

4.3 (4)

审阅者 Daniel Nikulshyn·更新 2026年7月

Open Source Single-Cell Analysis LLM Bioinformatics Research Genomics Framework

概览

Cell2Sentence 是一个开源框架，将单细胞基因表达数据转换为“细胞句子”，以便通过大型语言模型（LLMs）进行分析和洞察生成。它提出了将表达向量按表达值降序转换为以空格分隔的基因名称组成的细胞句子的秩序化变换。这使得 LLM 能够以自然语言本地建模单细胞 RNA 测序（scRNA‑seq）数据。该框架包含 C2S-Scale 模型，统一了转录组和文本数据，并支持高级单细胞任务，如扰动预测、数据集摘要、聚类标题生成和生物学问题回答。C2S-Scale 模型已在 Hugging Face 上提供，并基于 Pythia、Gemma‑2 等架构。Cell2Sentence 主要面向使用单细胞转录组学数据的研究人员和科学家。该框架已更新新模型和功能，包括支持在自定义提示模板上进行微调以及多细胞提示格式化。它还提供了一套 Pythia 模型，用于细胞类型预测、细胞类型条件生成，并包含一个训练于超过 5700 万人类和小鼠细胞的多细胞多任务模型。 Cell2Sentence 框架已被详细记录并提供使用教程，包括微调和多单元提示格式化的示例。 Cell2Sentence 的研发由 van Dijk Lab 参与，并已在 bioRxiv 上以预印本形式发布。 Cell2Sentence 通过 LLMs 赋能下一代单细胞发现。

主要功能

将表达向量转换为细胞语句
用于高级单细胞任务的C2S-Scale模型
支持自定义提示模板的微调
多细胞提示格式化
基于Pythia和Gemma-2架构的预训练模型

价格

模型: Free
分类: Research AI Agents
评分: 4.3 / 5 (4)

使用场景

用LLMs分析单细胞RNA-seq数据

将单细胞基因表达谱转换为 '细胞语句'，以便语言模型可以解释细胞状态并揭示转录组数据的模式。

生成合成细胞表达数据

使用在细胞语句上训练的LLMs生成合理的基因表达谱，用于假设检验或增强稀疏的单细胞数据集。

细胞类型注释和分类

利用LLMs对细胞语句的推理来预测细胞类型，并从单细胞实验中识别具有生物学意义的子群体。

生物学洞察发现

将自然语言推理应用于单细胞数据，以揭示新的基因关系、通路或假设，以便下游实验验证。

优点 & 缺点

优点

使LLMs能够使用自然语言分析单细胞转录组数据
统一转录组和文本数据以进行高级单细胞任务
支持自定义提示模板的微调和多细胞提示格式化
包括Hugging Face上可用的预训练模型

缺点

需要单细胞转录组和LLMs的相关知识
可能需要大规模数据分析的计算资源
对于没有生物信息学或LLMs背景的用户，文档有限

评测

4.3

4 个评分的平均值。

登录以留下评测。

Sofia Lindqvist

Mar 27, 2026

Does the job

Pretty happy overall. The integrations just works and support is responsive. A few rough edges remain can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.

Fatima Zahra

Aug 3, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is the automation — handled better than most — and support is responsive. Pricing gets steep at scale is my one real gripe. Worth the time if this is your use case.

Ethan Brooks

Jul 19, 2025

Solid for our team

We rolled this out across the team last quarter and it saves real time. The integrations fits neatly into how we already work, and the core workflow removed a step we used to do by hand. but it has held up under daily use.

Mei-Ling Wong

Jun 10, 2025

Solid for our team

We rolled this out across the team last quarter and the value for money is strong. The onboarding fits neatly into how we already work, and the integrations removed a step we used to do by hand. The docs could be deeper, which is the main caveat, but it has held up under daily use.

问答

Is Cell2Sentence free to use?

Yes. Cell2Sentence is an open-source framework, so it is freely available for use, though you may incur costs from the underlying LLMs or compute infrastructure you choose to run it on.

Who is Cell2Sentence designed for?

It is aimed at computational biologists, bioinformaticians, and ML researchers working with single-cell gene expression data who want to leverage LLMs for analyzing or generating biological insights from transcriptomic data.

What is Cell2Sentence and how does it work?

Cell2Sentence is an open-source framework that converts single-cell gene expression data into 'cell sentences,' a text-based representation that large language models can process to analyze and generate biology insights.