single-cell-transformer-papers

single-cell-transformer-papers

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。

Transformers单细胞组学预训练模型基因表达细胞注释Github开源项目

单细胞组学中的Transformer模型

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。

单细胞Transformer模型

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测序值投影编码器细胞类型注释
scMoFormer📄(ACM)Tang等人 2023🛠️GitHub单细胞RNA测序、单细胞ATAC测序、CITE-seq其他,基于SVD编码器和图转换器跨模态预测
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预测细胞聚类、轨迹推断
SpaFormer📝Wen等人 2023🛠️GitHub空间转录组学细胞作为标记,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
scCLIP📝Xiong等人,2023年🛠️GitHubscRNA-seq,scATAC-seq37.7万 / 跨组织,人类胎儿(ATACRNA数值投影编码器对比损失,CE匹配模态多模态嵌入
GeneCompass📝Yang等人,2023年部分🛠GitHubscRNA-seq1.26亿 / 跨组织,人类和小鼠,疾病和非疾病(GEOSRACELLxGENEGSASingle Cell PortalHCAEMBL-EBI3CACell BLASTTEDD,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🔍GitHubscRNA-seq,空间转录组学1100万 / 跨组织,人类,疾病和非疾病(HTCAHCAGEO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
CAN/CGRAN📄(Frontiers)Wang等人,2023年scRNA-seq数值投影编码器细胞类型注释
scTranslator📝Liu等人,2023年🔍️GitHubscRNA-seq,CITE-seq数值投影其他:两个编码器跨模态预测(跨模态预测训练后)GRN推断,细胞聚类
scTransSort📄(MDPI)Jiao等人,2023年🛠️GitHubscRNA-seq数值投影编码器细胞类型注释
STGRNS📄(OUP)Xu等人,2023年🛠️GitHubscRNA-seq其他编码器GRN推断
CIForm📄(OUP)Xu等人,2023年🛠️GitHubscRNA-seq数值投影编码器细胞类型注释
scFormer📝Cui等人,2023年不完整️GitHubscRNA-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🛠️GitHubscRNA-seq50万 / 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🛠️GitHubscRNA-seq基于LDA的数值投影编码器细胞类型注释
scBERT📄(Nature MI)Yang等人,2022年🔍GitHubscRNA-seq100万 / 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
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,基因表达预测细胞聚类

单细胞转换器LLMs

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)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单细胞RNA-seq自然语言GPT-3.5Llama-13b其他:自然语言表示的嵌入排序解码器,GPT-3.5Llama-13b使用交叉熵损失的NTP和指令微调(GPT-3.5闭源)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单细胞RNA-seq自然语言,PubMedPubMed 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
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模拟、细胞类型注释

单细胞转换器评估

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。

图例

  • 📝 - 预印本
  • 📄 - 同行评审出版物
  • 🛠️ - 完全可复现
  • 🔍 - 仅用于评估的代码
  • ❌ - 已撤回或撤销

引用本工作

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},}

编辑推荐精选

AEE

AEE

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。

UI-TARS-desktop

UI-TARS-desktop

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。

Wan2.1

Wan2.1

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。

爱图表

爱图表

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。

Qwen2.5-VL

Qwen2.5-VL

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。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多