相关实验视频
Updated: Jan 16, 2026

06:17
Analysis of Multidimensional Microscopy Data Using Cell-ACDC
Published on: November 7, 2025
462
单细胞基础模型:将人工智能引入细胞生物学.
Seungbyn Baek1, Kyungwoo Song2, Insuk Lee3,4
1Department of Biotechnology, College of Life Science & Biotechnology, Yonsei University, Seoul, Republic of Korea.
Experimental & molecular medicine
|October 1, 2025
概括
基础模型正在适应单细胞基因组学 (scFMs),以分析复杂的细胞数据. 虽然有希望,但数据集成,可解释性和计算成本方面的挑战需要解决,以便scFMs推进单细胞分析.
科学领域:
- 基因组学就是基因组学.
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 基础模型,大型深度学习模型,在各种任务的自我监督学习中表现出色.
- 单细胞基因组学需要统一的框架来分析庞大的,不断扩大的数据集.
- 单细胞基础模型 (scFMs) 利用单细胞数据分析的基础模型进步.
研究的目的:
- 提供单细胞基础模型 (scFMs) 的概述.
- 突出scFMs在下游任务中的关键概念和应用.
- 批判性地评估当前的局限性,并为scFMs提出未来的研究方向.
主要方法:
- scFMs通常使用变压器架构.
- 这些模型整合了各种各样的omics数据.
- 他们提取细胞和基因层面的潜伏模式,用于异质性和网络分析.
主要成果:
- 在分析细胞异质性和调节网络方面,scFMs显示出前景.
- 目前的scFM面临的挑战包括非顺序数据,质量不一致性和计算强度.
- 解释潜伏嵌入和模型表示的生物相关性是非常重要的.
结论:
- 解决强度,可解释性和可扩展性方面的挑战对于scFMs至关重要.
- scFMs有可能成为单细胞基因组学中关键的工具.
- 克服局限性将解开对细胞功能和疾病机制的更深入的见解.

