/ Модель

Характеристики

Контекст
19 264 токена
Параметры
87 млн
Лицензия
Своя лицензия
Архитектура
cellfoundation · dense
Опубликована
27 ноя 2024

GB.Cell-100M

Заполнение пропусковТекст → текст3 профессии

GB.Cell-100M — трансформерная модель для анализа экспрессии генов и решения задач одно-клеточной геномики человека.

298скачиваний за 30 дней4лайкавеса обновлены25 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GB.Cell-100M — клеточная foundation-модель, разработанная GenBio AI для анализа экспрессии генов в отдельных клетках человека. Она обучена на 50 миллионах клеток из более чем 100 типов тканей и органов и предназначена для задач одно-клеточной геномики, включая кластеризацию без обучения на целевой задаче, классификацию типов клеток и моделирование эффектов возмущений.

Модель содержит 87 млн параметров и использует двунаправленный трансформерный энкодер BERT-типа с 18 слоями, авто-дискретизацию значений экспрессии и цель предобучения Read Depth-Aware: по данным с низкой глубиной считывания модель предсказывает значения для замаскированных генов при большей глубине. Для каталога Hugging Face основная задача указана как fill-mask. Контекст — до 19 264 токенов; репозиторий содержит веса PyTorch и Safetensors.

Модель формирует представления транскриптомного контекста клетки и показывает сильные результаты в перечисленных задачах одно-клеточной геномики. Она рассчитана на данные экспрессии генов человека; сведения о поддержке других организмов не приведены. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Сценарии применения

  • кластеризация клеток без дообучения
  • классификация типов клеток по профилям экспрессии генов
  • моделирование эффектов генетических или клеточных возмущений
  • восстановление экспрессии замаскированных генов
  • получение представлений транскриптомного контекста клетки

Ограничения

Модель обучена на данных клеток человека; поддержка других организмов в карточке не описана. Лицензия обозначена как other, поэтому перед использованием необходимо проверить её конкретные условия в репозитории.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GB.Cell-100M

License

GB.Cell-100M is our SOTA cellular foundation model trained on 50 million cells over a diverse set of human tissues and organs. The GB.Cell models are capable of handling the entire human transcriptome as input, thus learning accurate and general representations of the human cell's entire transcriptional context. GB.Cell achieves state-of-the-art results in tasks such as zero-shot clustering, cell-type classification, and perturbation modeling.

Model Architectural Details

GB.Cell uses an auto-discretization strategy for encoding continuous gene expression values, and uses a bidirectional transformer encoder as its backbone. To learn semantically meaningful representations, we employed an BERT-style encoder-only dense transformer architecture. We make minor updates to this architecture to align with current best practices, including using SwiGLU and LayerNorms. Below are more details about the model architecture:

ModelLayersHiddenHeadsIntermediate Hidden Size
3M61284320
10M82568640
100M18650201664
650M321280203392

Pre-training of GB.Cell

Here we briefly introduce the details of pre-training of AIDIO.Cell. For more detailed information, please refer to our paper). GB.Cell uses the Read Depth-Aware (RDA) pretraining objective where a single cell expression is downsampled into a low read depth, and the model learns to predict the expression count of higher read depth of masked genes.

Data

GB.Cell was pretrained on a diverse dataset of 50 million cells from over 100 tissue types. We followed the list of data curated by scFoundation in the supplementary. This list includes datasets from the Gene Expression Omnibus (GEO), the Deeply Integrated human Single-Cell Omnics data (DISCO), the human ensemble cell atlas (hECA), Single Cell Portal and more. After preprocessing and quality control, the training dataset contained 50 million cells, or 963 total billion gene tokens. We partitioned the dataset to set aside 100,000 cells as our validation set.

Training Details

We trained our models with bfloat-16 precision to optimize on memory and speed. The training took place over 256 H100 GPUs over three days for the 100M, and eight days for the 650M version.

Evaluation of GB.Cell

We evaluated GB.Cell on a series of both zero shots and fine tuned tasks in single cell genomics. For more detailed information, please refer to our paper).

How to Use

For quickstart examples with vanilla HuggingFace, see this repo

To reproduce experiments, see ModelGenerator under experiments/GB.Cell.

Citation

Please cite GB.Cell using the following BibTeX code:

@inproceedings{ho_scaling_2024,
	title = {Scaling Dense Representations for Single Cell with Transcriptome-Scale Context},
	url = {https://www.biorxiv.org/content/10.1101/2024.11.28.625303v1},
	doi = {10.1101/2024.11.28.625303},
	publisher = {bioRxiv},
	author = {Ho, Nicholas and Ellington, Caleb N. and Hou, Jinyu and Addagudi, Sohan and Mo, Shentong and Tao, Tianhua and Li, Dian and Zhuang, Yonghao and Wang, Hongyi and Cheng, Xingyi and Song, Le and Xing, Eric P.},
	year = {2024},
    booktitle={NeurIPS 2024 Workshop on AI for New Drug Modalities},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

Архитектура cellfoundation неизвестна transformers в образе рантайма.

Класс архитектуры
CellFoundationForMaskedLM
Ревизия весов
a983b38

0 моделей