scPRINT:对5000万个细胞进行预训练,可以进行强大的基因网络预测
Jérémie Kalfon1, Jules Samaran1, Gabriel Peyré2
1Institut Pasteur, Université Paris Cité, CNRS UMR 3738, Machine Learning for Integrative Genomics group, F-75015, Paris, France.
Nature communications
|April 16, 2025
概括
我们开发了scPRINT,一个大型细胞模型,从数百万个细胞中推断基因网络. 这种先进的工具提高了对细胞生物学和基因相互作用的理解.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 系统生物学 系统生物学
背景情况:
- 细胞过程是由复杂的宏分子相互作用驱动的.
- 推断这些基因网络是细胞生物学中的一个重大挑战.
研究的目的:
- 介绍scPRINT,一个用于基因网络推断的大细胞模型.
- 利用基础模型提高解释性和可用性,揭示细胞生物学.
主要方法:
- 在cellxgene数据库中的5000多万个细胞上进行预训练scPRINT.
- 利用创新的预训练任务和一个新的模型架构.
- 使用大型变压器模型进行生物数据分析.
主要成果:
- 与最先进的方法相比,scPRINT 在基因网络推断方面表现出卓越的性能.
- 取得了竞争性的零射击能力,在无声化,批量效应校正和细胞标签预测方面.
- 在良性前列腺增生症中突出显示了离子交换,衰老和慢性炎症之间的联系.
结论:
- scPRINT提升了大型变压器模型用于生物网络推断的能力.
- 该模型为复杂的细胞生物学研究提供了更好的解释性和可用性.
- scPRINT为疾病机制提供了新的见解,例如良性前列腺增生症.
