scLong: un modelo fundacional de mil millones de parámetros para capturar el contexto génico de largo alcance en...

Área de la Ciencia:

• Genómica
• Biología Computacional
• Bioinformática

Sus antecedentes:

• La secuenciación de ARN unicelular (scRNA-seq) proporciona datos de expresión génica de alta resolución, revelando la heterogeneidad celular.
• Los modelos fundacionales existentes para datos de scRNA-seq a menudo pasan por alto los genes poco expresados y el conocimiento biológico externo.
• El análisis de interacciones génicas complejas es crucial para comprender las funciones celulares y los mecanismos de las enfermedades.

Objetivo del estudio:

• Presentar scLong, un modelo fundacional a gran escala para el análisis de datos de scRNA-seq.
• Permitir el modelado integral de la expresión génica, incluidos los genes poco expresados y no expresados.
• Integrar el conocimiento genético externo para mejorar el contexto biológico y el poder predictivo.

Principales métodos:

• Preentrenamiento de un modelo fundacional de mil millones de parámetros (scLong) en 48 millones de células.
• Implementación de autoatención en los 28.000 genes humanos para capturar dependencias de largo alcance.
• Integración del conocimiento de la Ontología Genética utilizando una red convolucional de grafos.

Principales resultados:

• scLong demuestra un rendimiento superior en comparación con los modelos de vanguardia en diversas tareas.
• El modelo captura eficazmente las dependencias que involucran genes poco expresados y no expresados.
• scLong muestra sólidas capacidades en la predicción de respuestas transcripcionales, la eficacia de fármacos contra el cáncer y las redes de regulación génica.

Conclusiones:

• scLong representa un avance significativo en los modelos fundacionales para el análisis de datos de scRNA-seq.
• La capacidad del modelo para procesar todos los genes e integrar conocimientos externos mejora la comprensión biológica.
• scLong tiene amplias aplicaciones en la comprensión de la regulación génica, los mecanismos de las enfermedades y el desarrollo terapéutico.