Un marco unificado permite el despliegue accesible y la evaluación completa de modelos fundacionales de célula única

Área de la Ciencia:

• Genómica
• Biología Computacional
• Aprendizaje Automático

Sus antecedentes:

• El rápido crecimiento de los modelos fundacionales de célula única (scFM) ofrece potencial para el análisis de datos genómicos.
• La adopción se ve limitada por un rendimiento inconsistente, software fragmentado, altas barreras técnicas y falta de puntos de referencia.
• Necesidad de una evaluación estandarizada y mejores prácticas para los scFM.

Objetivo del estudio:

• Presentar un marco computacional unificado y automatizado para la ejecución, evaluación y extensión estandarizadas de scFM.
• Evaluar sistemáticamente trece scFM frente a puntos de referencia clásicos en diversos conjuntos de datos y configuraciones.
• Establecer las mejores prácticas y reducir las barreras técnicas para el desarrollo y la adopción de scFM.

Principales métodos:

• Desarrolló un marco computacional unificado, extensible y automatizado para el análisis de scFM.
• Armonizó entornos de software y permitió una evaluación a gran escala y reproducible.
• Evaluó trece scFM y puntos de referencia clásicos en más de cincuenta conjuntos de datos utilizando aprendizaje sin datos, con pocos datos y ajuste fino.

Principales resultados:

• Las incrustaciones preentrenadas de los scFM capturan una estructura biológicamente significativa.
• Los scFM ofrecen ventajas en escenarios con pocos datos etiquetados y de aprendizaje por transferencia.
• El análisis de componentes principales (PCA) clásico sigue siendo competitivo o preferible en ciertos entornos.

Conclusiones:

• El marco desarrollado reduce las barreras técnicas y proporciona las mejores prácticas para la evaluación de scFM.
• Un estándar transparente y reproducible para la evaluación en toda la comunidad acelera el desarrollo riguroso de scFM.
• La evaluación sistemática aclara la utilidad de los scFM frente a los métodos clásicos en el análisis de datos genómicos.