Transformer模型在单细胞组学分析中的应用概览
本项目汇总了单细胞组学数据分析中的Transformer模型,包括论文、代码、数据模态等关键信息。通过全面概述单细胞Transformer模型,展示了该领域的最新进展和发展趋势。项目内容持续更新,为研究人员提供了宝贵的参考资源。项目内容涵盖了各Transformer模型的核心要素,如数据模态、预训练数据集、模型架构和任务类型等。这种系统性的整理使研究人员能够快速了解和比较不同模型的特点,为单细胞组学研究提供了有力支持。
本代码库是《单细胞组学中的Transformer模型:综述与新视角》一文的配套资料。详细内容请参阅原文。
我们提供了一个精选的单细胞Transformer模型列表及其评估结果。我们略过了仅适用于整体或切片图像数据的模型,以及那些仅将Transformer作为模型一部分的模型。同时也省略了专注于DNA或蛋白质序列等顺序数据的模型。新的条目会添加在相应表格的顶部。
我们欢迎对本代码库的贡献。如果您想添加或编辑条目,请提交拉取请求或创建问题。
模型 | 论文 | 代码 | 组学模态 | 预训练数据集 | 输入嵌入 | 架构 | 自监督学习任务 | 监督任务 | 零样本任务 |
---|---|---|---|---|---|---|---|---|---|
scPRINT | 📝 Kalfon等人 2024 | 🛠️Github | 单细胞RNA测序 | 5000万/跨组织、跨物种(CELLxGENE) | 其他: 基于ESM-2的基因嵌入。基因嵌入随机采样,顺序由染色体位置决定 | 编码器 | 多任务预训练: 去噪、瓶颈学习(+多个额外可用损失函数) | 细胞标签预测(这些监督任务是预训练的一部分) | 读取深度增强、基因表达插补、批次整合、细胞聚类、细胞标签预测、基因调控网络推断 |
scMulan | 📄(RECOMB)Bian等人 2024 | 🔍Github | 单细胞RNA测序 | 1000万/跨组织,人类(hECA) | 未指明 | 解码器 | 条件细胞生成 | 细胞类型注释、细胞元数据注释(两者也用于训练) | 批次整合 |
BioFormers | 📝Belgadi和Li等人 2023 | 无 | 单细胞RNA测序 | 8000/单一组织,人类(PBMC, Adamson等人 2016) | 值分类: 值分箱 | 编码器 | 带交叉熵损失的掩码语言模型 | 无 | 细胞聚类、基因表达插补、基因扰动效应预测、基因调控网络推断 |
Geneformer | 📄(Nature)Theodoris等人 2023 | 🛠🤗 | 单细胞RNA测序 | 3600万/跨组织,人类(Genecorpus) | 排序: 基于排名 | 编码器 | 带交叉熵损失的掩码语言模型,基因ID预测 | 基因功能预测、细胞注释 | 细胞聚类、基因调控网络推断 |
Universal Cell Embedding | 📝Rosen等人 2023 | 🔍Github | 单细胞RNA测序 | 3600万/跨组织、跨物种(CELLxGENE和其他) | 其他: 基于ESM-2的基因嵌入。基因嵌入根据表达水平采样,顺 序由染色体位置决定。 | 编码器 | 修改的掩码语言模型,使用二元交叉熵损失预测基因是否表达。使用CLS嵌入而非标记嵌入。 | 细胞注释 | 细胞聚类、跨物种整合 |
scGPT | 📄(Nature Meth)Cui等人 2024 | 🔍GitHub | 单细胞RNA测序、单细胞ATAC测序、CITE-seq、空间转录组学 | 3300万/跨组织,人类,非疾病(CELLxGENE) | 值分类: 值分箱 | 其他: 编码器中的注意力掩码 | 迭代掩码语言模型变体与均方误差损失,细胞标记表达预测,基因表达预测 | 细胞类型注释、基因扰动效应预测、逆向扰动预测、细胞聚类、多模态嵌入、基因功能预测 | 细胞聚类、基因调控网络推断、模拟、基因表达插补 |
TOSICA | 📄(Nature Comms)Chen等人 2023 | 🛠️GitHub | 单细胞RNA测序 | 无 | 值投影 | 编码器 | 无 | 细胞类型注释 | 无 |
scMoFormer | 📄(ACM)Tang等人 2023 | 🛠️GitHub | 单细胞RNA测序、单细胞ATAC测序、CITE-seq | 无 | 其他,基于SVD | 编码器和图转换器 | 无 | 跨模态预测 | 无 |
tGPT | 📄(Cell iScience)Shen等人 2023 | 🛠GitHub️ | 单细胞RNA测序 | 2200万/跨组织、跨物种、疾病和非疾病、类器官(列表) | 排序 | 解码器 | 带交叉熵损失的下一个标记预测,基因ID预测 | 无 | 细胞聚类、轨迹推断 |
SpaFormer | 📝Wen等人 2023 | 🛠️GitHub | 空间转录组学 | 无 | 细胞作为标记,值投影 | 编码器 | 修改的掩码语言模型与均方误差损失,基因表达预测 | 基因表达插补 | 细胞聚类 |
scFoundation | 📄(Nature Meth)Hao等人 2024和📄(NeurIPS)Gong等人 2023 | 🔍GitHub | 单细胞RNA测序 | 5000万/跨组织,人类,疾病和非疾病(GEO, Single Cell Portal, HCA, EMBL-EBI) | 值投影 | 其他: 两个编码器 | 修改的掩码语言模型与均方误差损失,基因表达预测 | 药物响应预测、基因扰动效应预测 | 读取深度增强、细胞聚类 |
CellLM | 📝Zhao等人 2023 | 🔍GitHub | 单细胞RNA测序 | 180万/跨组织,人类,疾病和非疾病(PanglaoDB, CancerSCEM) | 值分类 | 编码器 | 对比损失,带交叉熵损失的掩码语言模型 | 非疾病vs癌症预测、细胞类型注释、药物响应预测 | 无 |
scCLIP | 📝Xiong等人,2023年 | 🛠️GitHub | scRNA-seq,scATAC-seq | 37.7万 / 跨组织,人类胎儿(ATAC,RNA) | 数值投影 | 编码器 | 对比损失,CE匹配模态 | 无 | 多模态嵌入 |
GeneCompass | 📝Yang等人,2023年 | 部分🛠GitHub | scRNA-seq | 1.26亿 / 跨组织,人类和小鼠,疾病和非疾病(GEO,SRA,CELLxGENE,GSA,Single Cell Portal,HCA,EMBL-EBI,3CA,Cell BLAST,TEDD,以及其他) | ? | 其他:两个编码器 | MLM与CE和MSE损失,基因ID和表达预测 | 细胞类型注释,药物响应预测,基因功能预测 | 跨物种整合,基因扰动效应预测,GRN推断 |
CellPLM | 📄(ICLR)Wen等人,2024年 | 部分🔍GitHub | scRNA-seq,空间转录组学 | 1100万 / 跨组织,人类,疾病和非疾病(HTCA,HCA,GEO) | 细胞作为标记,数值投影 | 编码器 | 改进的MLM与MSE损失和KL损失,基因表达预测 | 基因表达填补,细胞类型注释,基因扰动效应预测 | 细胞聚类,scRNA-seq去噪 |
scMAE | 📝Kim等人,2023年 | 无 | 单细胞流式细胞术 | 650万 / 人类,疾病和非疾病(来源?) | 其他,数值与可学习蛋白质嵌入的拼接 | 其他:两个编码器 | MLM与MSE损失,蛋白质表达预测 | 细胞类型注释,蛋白质表达填补 | 无 |
CAN/CGRAN | 📄(Frontiers)Wang等人,2023年 | 无 | scRNA-seq | 无 | 数值投影 | 编码器 | 无 | 细胞类型注释 | 无 |
scTranslator | 📝Liu等人,2023年 | 🔍️GitHub | scRNA-seq,CITE-seq | 无 | 数值投影 | 其他:两个编码器 | 无 | 跨模态预测 | (跨模态预测训练后)GRN推断,细胞聚类 |
scTransSort | 📄(MDPI)Jiao等人,2023年 | 🛠️GitHub | scRNA-seq | 无 | 数值投影 | 编码器 | 无 | 细胞类型注释 | 无 |
STGRNS | 📄(OUP)Xu等人,2023年 | 🛠️GitHub | scRNA-seq | 无 | 其他 | 编码器 | 无 | GRN推断 | 无 |
CIForm | 📄(OUP)Xu等人,2023年 | 🛠️GitHub | scRNA-seq | 无 | 数值投影 | 编码器 | 无 | 细胞类型注释 | 无 |
scFormer | 📝Cui等人,2023年 | 不完整️GitHub | scRNA-seq | 任务特定 | 数值分类:数值分箱 | 编码器 | 改进的MLM与CE,细胞标记表达预测,基于余弦相似度的对比损失,基因表达预测 | 细胞类型注释,基因扰动效应预测 | 细胞聚类 |
Exceiver | 📝Connell等人,2022年 | 🛠️GitHub | scRNA-seq | 50万 / 跨组织,人类(Tabula Sapiens) | 其他:数值缩放嵌入 | 编码器 | 改进的MLM与MSE,基因表达预测 | 细胞类型注释,药物响应预测 | 细胞聚类 |
TransCluster | 📄(Frontiers)Song等人,2022年 | 🛠️GitHub | scRNA-seq | 无 | 基于LDA的数值投影 | 编码器 | 无 | 细胞类型注释 | 无 |
scBERT | 📄(Nature MI)Yang等人,2022年 | 🔍GitHub | scRNA-seq | 100万 / 跨组织,人类(PanglaoDB) | 数值分类,分箱 | 编码器 | MLM与CE损失,基因表达预测 | 细胞类型注释,未知细胞类型检测 | 无 |
iSEEEK | 📄(OUP)Shen等人,2022年 | 🔍Github (数据集未公开) | 单细胞RNA测序 | 1190万 / 跨组织、跨物种 (列表) | 排序:基于排名 | 编码器 | 掩码语言模型与交叉熵损失 | 标记基因分类 | 细胞聚类、拟时间分析、基因调控网络推断 |
多任务学习 | 📝Pang等人,2020年 | 无 | 单细胞RNA测序 | 16万 / 大脑,小鼠 (MBA) | 值投影 | 其他:带有两个transformer编码器的自动编码器(?) | 改进的掩码语言模型与均方误差损失,基因表达预测 | 无 | 细胞聚类 |
模型 | 论文 | 代码 | 组学模态 | 预训练数据集 | 输入嵌 入 | 架构 | 自监督学习任务 | 监督任务 | 零样本任务 |
---|---|---|---|---|---|---|---|---|---|
CellWhisperer | 📝Schaefer等,2024 | 即将推出 | 整体/单细胞RNA-seq | 转录组数据与自然语言注释配对 | 基于Geneformer和BioBERT的嵌入模型(对比微调) | 嵌入模型的多模态对比训练(CLIP)和LLM的转录组指令微调(LLaVA) | 无 | 转录组感知问答 | 无参考细胞属性预测(细胞类型和状态、疾病状态、细胞来源器官等) |
scInterpreter | 📝Li等,2024 | 无 | 单细胞RNA-seq | 自然语言GPT-3.5和Llama-13b | 其他:自然语言表示的嵌入排序 | 解码器,GPT-3.5和Llama-13b | 使用交叉熵损失的NTP和指令微调(GPT-3.5闭源) | 无 | 细胞类型注释(LLMs冻结,仅训练小型MLP) |
ChatCell | 📝❌Fang等,2024 | 🛠GitHub | 单细胞RNA-seq | 自然语言T5和自然语言指令 | 其他:带附加术语的自然语言嵌入排序 | 编码器-解码器,T5 | 使用交叉熵损失的NTP | 无(条件序列生成,提示) | 模拟、细胞类型注释、药物敏感性预测 |
MarkerGeneBERT | 📝Cheng等,2023 | 无 | 单细胞RNA-seq | 自然语言,PubMed和PubMed Central | 其他:使用SciBERT预处理的自然语言 | 编码器 | MLM | 命名实体识别(NER),细胞-生物标记物句子分类 | 无 |
scELMo | 📝Liu、Chen和Zheng,2023 | 部分 🔍GitHub | 单细胞RNA-seq,CITE-seq | 自然语言,闭源 | 其他:NLP模型特征嵌入,按细胞中特征水平(如表达水平)加权 | 闭源(部分开源) | 闭源(部分开源) | 细胞类型注释,基因扰动效应预测 | 其他扰动模型中的细胞和基因嵌入 |
GenePT | 📝Chen和Zou,2023 | 部分 🔍GitHub | 单细胞RNA-seq | 自然语言,闭源 | 排序:作为自然语言的嵌入 | 闭源 | 闭源 | 基因功能预测 | 细胞聚类,GRN推断 |
GPT-4 | 📄(Nature方法)W. Hou和Z. Ji,2024 | 🔍GitHub | 单细胞RNA-seq | 自然语言,闭源 | 排序:作为自然语言的嵌入 | 闭源 | 闭源 | 无(条件序列生成,提示) | 细胞类型注释 |
Cell2Sentence | 📄(ICML)Levine等,2024 | 🛠️GitHub | 单细胞RNA-seq | 自然语言(GPT2)和单细胞RNA-seq(4万/免疫,人类) | 排序:作为自然语言的嵌入 | 解码器 | 使用交叉熵损失的NTP | 无 | 模拟、细胞类型注释 |
论文 | 代码 | 组学模态 | 评估的Transformer模型 | 任务 | 注释 |
---|---|---|---|---|---|
📝He等, 2024 | 🛠️GitHub | 单细胞RNA测序 | scGPT | 细胞类型注释 | 对scGPT进行参数高效微调(PEFT)的评估。表明PEFT不仅计算效率更高,还能获得更好的细胞类型预测结果。 |
📄(Nature MI)Khan等, 2023 | 🛠️GitHub | 单细胞RNA测序 | scBERT | 细胞类型注释、未知细胞类型检测 | 专注于不平衡细胞类型分类。scBERT对类别不平衡敏感。scBERT优于Seurat。scBERT在未知细胞类型检测中表现不佳。它受益于SSL预训练。 |
📝Liu等, 2023 | 🛠️GitHub | 单细胞RNA测序、单细胞ATAC测序、空间转录组学 | scGPT, Geneformer, scBERT, tGPT, CellLM | 细胞聚类、细胞类型注释、多模态嵌入、GRN推断 、基因表达填补、基因扰动效应预测、模拟、基因功能预测 | 模型并非在相同数据集上训练。scGPT被定位为在任务多样性方面最通用的模型。除Transformer外的模型在大多数任务中表现至少与Transformer一样好。Transformer对超参数选择(如学习率和训练轮数)敏感。 |
📝Boiarsky等, 2023 | 🛠️GitHub | 单细胞RNA测序 | scBERT, scGPT | 细胞类型注释 | 逻辑回归在细胞类型注释中似乎与Transformer表现相当,即使在低数据场景下也是如此。 |
📝Kedzierska等, 2023 | 🛠️GitHub | 单细胞RNA测序 | scGPT, Geneformer | 细胞聚类 | 仅零样本性能。两个模型都似乎不可靠。 |
📝Alsabbagh等, 2023 | 🛠️GitHub | 单细胞RNA测序 | scGPT, Geneformer, scBERT | 细胞类型注释 | 专注于不平衡细胞类型分类。Geneformer似乎不如scGPT和scBERT,后两者表现相似。 |
如果您发现本仓库中的数据对您的工作有用,请引用:
@Article{szalata_transformers_2024,
title = {Transformers in single-cell omics: a review and new perspectives},
volume = {21},
issn = {1548-7105},
url = {https://doi.org/10.1038/s41592-024-02353-z},
doi = {10.1038/s41592-024-02353-z},
abstract = {Recent efforts to construct reference maps of cellular phenotypes have expanded the volume and diversity of single-cell omics data, providing an unprecedented resource for studying cell properties. Despite the availability of rich datasets and their continued growth, current single-cell models are unable to fully capitalize on the information they contain. Transformers have become the architecture of choice for foundation models in other domains owing to their ability to generalize to heterogeneous, large-scale datasets. Thus, the question arises of whether transformers could set off a similar shift in the field of single-cell modeling. Here we first describe the transformer architecture and its single-cell adaptations and then present a comprehensive review of the existing applications of transformers in single-cell analysis and critically discuss their future potential for single-cell biology. By studying limitations and technical challenges, we aim to provide a structured outlook for future research directions at the intersection of machine learning and single-cell biology.},
pages = {1430--1443},
number = {8},
journaltitle = {Nature Methods},
shortjournal = {Nature Methods},
author = {Szałata, Artur and Hrovatin, Karin and Becker, Sören and Tejada-Lapuerta, Alejandro and Cui, Haotian and Wang, Bo and Theis, Fabian J.},
date = {2024-08-01},}
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号