GenePT

GenePT

ChatGPT驱动的高效单细胞基因分析模型

GenePT是一种创新的单细胞基础模型,利用ChatGPT嵌入技术解析基因和细胞级生物学问题。该模型基于NCBI基因描述和GPT-3.5生成基因嵌入,无需繁琐的数据整理和密集计算。在基因属性和细胞类型分类等多项任务中,GenePT展现出优异性能,常超越现有模型。这一方法为生物学基础模型开发提供了简便有效的途径,彰显了大型语言模型在文献嵌入方面的应用潜力。

GenePT单细胞基础模型基因嵌入细胞嵌入ChatGPTGithub开源项目

GenePT <img src="https://yellow-cdn.veclightyear.com/ab5030c0/c9433269-d0df-4659-a765-97dacb818e70.png" align="right" width="150px"/>

新闻

2024年3月:我们上传了新的GenePT嵌入,包括1. 额外的蛋白质信息和2. 更新的文本嵌入模型,可在 DOI 获取。

GenePT是什么?

GenePT是一个单细胞基础模型(即在广泛数据上训练的模型,使其能够应用于各种下游任务),利用ChatGPT嵌入来解决基因级和细胞级生物学任务。这个项目受到最近使用大规模基因表达数据(例如,数千万个细胞)开发单细胞生物学基础模型的重大进展的启发。

现有模型间接从基因表达谱中学习基因和细胞功能,通常需要大量数据整理和资源密集型训练。相比之下,GenePT提供了一种互补方法,使用NCBI的单个基因文本描述结合GPT-3.5生成基因嵌入。GenePT然后通过两种方式产生单细胞嵌入:(i) 通过平均基因嵌入,按每个基因的表达水平加权;或 (ii) 为每个细胞创建一个句子嵌入,使用按表达水平排序的基因名称。

无需数据集整理和额外预训练,GenePT高效且用户友好。在许多用于评估近期单细胞基础模型的下游任务中——如分类基因属性和细胞类型——GenePT达到了与现有单细胞基础模型相当,甚至更优的性能。GenePT证明,使用大型语言模型对文献的嵌入是开发生物学基础模型的一种直接有效的方法。

如何使用GenePT?

用于生成GenePT数据和复现论文分析的脚本可在仓库中找到(每个脚本的详细信息见下面的分析文件breakdown部分)。

我们还提供以下随时可用的数据集,可能对更广泛的应用有用:

  1. 从每个基因的NCBI页面提取的摘要文本。
  2. 对应基因摘要的预计算OpenAI嵌入(text-embedding-ada-002text-embedding-3-large)。

这些数据存放在 DOI

教程和使用

我们提供示例笔记本来运行以下分析:

  1. 基因级预测任务
  2. 基因-基因相互作用分析
  3. 细胞级生物数据注释
  4. 批次效应去除(心肌细胞数据集;主动脉数据集)

如果您需要当前未包含的教程,请提交问题

引用

如果您在分析中使用了GenePT,请引用我们的论文:

Chen YT, Zou J. (2023+) GenePT: A Simple But Effective Foundation Model for Genes and Cells Built From ChatGPT. bioRxiv预印本:https://www.biorxiv.org/content/10.1101/2023.10.16.562533v2。

分析文件breakdown:

  1. request_ncbi_text_for_genes.ipynb 提供下载NCBI基因摘要页面的示例代码。
  2. gene_embeddings_examples.ipynb 提供使用GPT-3.5嵌入对步骤1中提取的描述进行嵌入的示例代码。注意,这需要有效注册OpenAI API(参见https://openai.com/blog/openai-api 的说明和定价详情)。
  3. gene_level_task_table_1.ipynb 复现论文表1中GenePT嵌入的基因级任务。
  4. gene_level_task_figure_2.ipynb 提供论文图2中描述的基因级任务所需的数据和输出。
  5. aorta_data_analysis.ipynb 提供不到20行代码创建基础模型细胞嵌入的示例代码,并演示批次效应去除 + 生物学保留(论文图4结果)。

GenePT使用的数据集

  1. 对于基因级任务,我们使用以下数据集:
  2. 对于细胞级任务,我们使用以下数据集:
    • hPancreas、Myeloid和Multiple Sclerosis(由Cui等人(2023+)处理和分发)
      • Multiple Sclerosis (M.S.) 数据集:链接
      • Myeloid (Mye.) 数据集:链接
      • hPancreas数据集:链接
    • 心肌细胞数据集:
    • 主动脉数据集:
      • 原始数据已存放在此,我们使用了作者在GitHub上提供的额外细胞类型注释。
      • 我们创建了原始数据集的20%随机子集(链接)。
  3. 初始基因列表从vocab.json(由scGPT作者提供)和token_dictionary.pkl整理而来。

参考文献:

  1. Chaffin, M. et al. Single-nucleus profiling of human dilated and hypertrophic cardiomyopathy. Nature 608, 174–180 (2022).
  2. Chen YT, Zou J. (2023+) GenePT: A Simple But Hard-to-Beat Foundation Model for Genes and Cells Built From ChatGPT. bioRxiv预印本:https://www.biorxiv.org/content/10.1101/2023.10.16.562533v1。
  3. Cui, H., et al. (2023). scGPT: Towards building a foundation model for single-cell multi-omics using generative AI. bioRxiv, 2023-04.
  4. Li, Y. et al. Single-cell transcriptome analysis reveals dynamic cell populations and differential gene expression patterns in control and aneurysmal human aortic tissue. Circulation 142, 1374–1388 (2020).

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

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。

Hunyuan3D-2

Hunyuan3D-2

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。

3FS

3FS

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。

下拉加载更多