CELLama:通过细胞嵌入利用语言模型能力为单细胞和空间转录组学的基础模型

科学领域:

• 生物医学研究的研究.
• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.

背景情况:

• 单细胞RNA测序 (scRNA-seq) 和空间转录组学 (ST) 产生了大量的生物见解数据集.
• 分析复杂的scRNA-seq和ST数据在细胞类型,集成和空间关系分析方面存在挑战.

研究的目的:

• 开发一种新的框架,CELLama,利用语言模型进行通用细胞嵌入.
• 解决大规模单细胞和空间转录组学数据中的分析挑战.

主要方法:

• CELLama将基因表达和元数据转化为用于语言模型处理的"句子".
• 采用了基础模型方法,利用大细胞地图集来实现广泛的应用.
• 该框架使单元格类型和空间上下文分析能够独立于数据集特定的工作流程.

主要成果:

• CELLama为各种生物数据提供了通用的细胞嵌入.
• 该框架在跨多组织地图上证明了细胞类型的有效性.
• CELLama 便于分析细胞相互作用和复杂的组织动态.

结论:

• 基于语言模型的CELLama为细胞分析提供了一种强大的方法.
• 该框架具有很大的潜力,可以推进scRNA-seq和ST数据的解释.
• CELLama可以彻底改变对细胞异质性和组织组织的理解.