バイオLLM:単細胞基礎モデルの統合とベンチマークのための標準化された枠組み

科学分野:

• コンピュータ生物学
• ゲノミクス
• バイオ情報学

背景:

• 単細胞基礎モデル (scFMs) は,単細胞RNAシーケンシング (scRNA-seq) データを分析するための強力なツールを提供します.
• 異質なアーキテクチャとコーディング標準は,scFMの広範な適用と評価に重大な課題をもたらします.
• 生物学的研究における多様な scFM の統合と利用を合理化するために,統一された枠組みが必要である.

研究 の 目的:

• scRNA-seq分析のためのscFMの適用を統合し,標準化するために設計された新しい統一されたフレームワークであるBioLLMを導入する.
• 様々な scFM のパフォーマンスを評価するための標準化されたインターフェースとベンチマークシステムを提供します.
• scGPT,Geneformer,scFoundation,およびscBERTを含む著名なscFMの能力と限界を評価する.

主な方法:

• 複数の scFM にアクセスし,適用するための統一されたインターフェースを提供するフレームワークである BioLLM の開発.
• 標準化されたAPIとBioLLM内の包括的なドキュメントの実装により,一貫したモデル使用とスイッチングが保証されます.
• scRNA-seq分析のさまざまなタスクで選択されたscFMの包括的な評価を実施し,ゼロショットおよび微調整シナリオを含む.

主要な成果:

• BioLLMは様々な scFMを統合し,アーキテクチャとコーディングの不一致を克服し,効率的な分析を実現しています.
• scGPTは,評価されたすべてのタスクで堅実なパフォーマンスを示し,scRNA-seq分析におけるその汎用性を強調しました.
• GeneformerとscFoundationは,効果的な予備訓練戦略に起因する遺伝子レベルのタスクで強いパフォーマンスを示したが,scBERTは,モデルのサイズとデータ制約による可能性が高い制限を示した.

結論:

• バイオLLMは科学界にとって重要なツールであり,scFMへのアクセスと一貫した評価を容易にする.
• このフレームワークは,scFMのパフォーマンスをより深く理解し,研究者が特定の分析のために適切なモデルを選択するのを助けます.
• バイオLLMは研究者に基礎的なモデルの可能性を最大限に活用し,単細胞データの解釈を向上させることで複雑な生物学的システムの研究を進めます.