単一細胞基盤モデルの展開と包括的なベンチマーキングを可能にする統一フレームワーク

科学分野:

• ゲノミクス
• 計算生物学
• 機械学習

背景:

• 単一細胞基盤モデル（scFM）の急速な成長は、ゲノムデータ分析の可能性を提供します。
• パフォーマンスの一貫性のなさ、ソフトウェアの断片化、高い技術的障壁、ベンチマークの欠如により、採用が制限されています。
• scFMの標準化された評価とベストプラクティスの必要性。

研究 の 目的:

• scFMの標準化された実行、評価、および拡張のための、統一された自動化された計算フレームワークを提示すること。
• 13のscFMを古典的なベースラインと比較して、多様なデータセットと設定で体系的にベンチマークすること。
• scFMの開発と採用のためのベストプラクティスを確立し、技術的な障壁を下げること。

主な方法:

• scFM分析のための、統一され、拡張可能で、自動化された計算フレームワークを開発しました。
• ソフトウェア環境を調和させ、大規模で再現可能な評価を可能にしました。
• ゼロショット、少数ショット、ファインチューニングを使用して、50以上のデータセットで13のscFMと古典的なベースラインをベンチマークしました。

主要な成果:

• 事前学習済み埋め込みは、生物学的に意味のある構造を捉えます。
• scFMは、ラベルが少なく、転移学習のシナリオで利点を提供します。
• 古典的な主成分分析（PCA）は、特定の状況で競争力があるか、または好ましいままです。

結論:

• 開発されたフレームワークは技術的な障壁を下げ、scFM評価のためのベストプラクティスを提供します。
• コミュニティ全体の評価のための透明で再現可能な標準は、厳密なscFM開発を加速します。
• 体系的なベンチマーキングは、ゲノムデータ分析におけるscFMと古典的な方法の有用性を明確にします。