C2S Pythia 410m Cell Type Prediction

🚀 C2S-Pythia-410m細胞類型預測模型

本模型基於EleutherAI開發的Pythia - 410m架構，藉助Cell2Sentence（C2S）方法，在來自CellxGene和人類細胞圖譜的多樣化單細胞RNA測序（scRNA - seq）數據集上進行微調。它能利用自然語言處理能力，專注於細胞類型預測任務，為單細胞生物學研究提供支持。

🚀 快速開始

本模型為C2S - Pythia - 410m細胞類型預測模型，基於EleutherAI開發的Pythia - 410m架構，使用Cell2Sentence（C2S）方法，在來自CellxGene和人類細胞圖譜的多樣化單細胞RNA測序（scRNA - seq）數據集上進行了微調。Cell2Sentence是一種創新方法，它將scRNA - seq數據轉換為“細胞句子”，即按表達水平排序的基因名稱序列，使大語言模型（LLMs）能夠利用其強大的自然語言處理能力處理各種單細胞任務，本模型主要用於細胞類型預測。

✨ 主要特性

• 架構基礎：基於EleutherAI的Pythia - 410m架構，具有良好的語言處理能力。
• 數據多樣：在來自CellxGene和人類細胞圖譜的800多個單細胞RNA測序數據集上進行訓練，涵蓋超過5700萬個來自人類和小鼠的細胞，覆蓋多種組織的廣泛細胞類型和條件。
• 創新轉換：採用Cell2Sentence方法將scRNA - seq數據轉換為“細胞句子”，便於大語言模型處理。
• 任務明確：專注於細胞類型預測任務，能根據scRNA - seq數據生成的“細胞句子”準確預測細胞類型。

📦 訓練數據

本模型在從CellxGene和人類細胞圖譜的800多個單細胞RNA測序數據集中收集的超過5700萬個來自人類和小鼠的細胞上進行訓練。該數據集涵蓋了人類和小鼠多種組織的廣泛細胞類型和條件。

每個細胞句子使用前200個基因進行訓練。

📚 詳細文檔

任務說明

本模型設計用於以下任務：

• 細胞類型預測：根據從scRNA - seq數據生成的“細胞句子”預測細胞類型。

相關鏈接

Cell2Sentence相關鏈接

• GitHub：https://github.com/vandijklab/cell2sentence
• 論文：https://www.biorxiv.org/content/10.1101/2023.09.11.557287v3

Pythia相關鏈接

• 論文：https://arxiv.org/pdf/2304.01373
• Hugging Face：https://huggingface.co/EleutherAI/pythia-410m

信息表格