/ Модель

Характеристики

Лицензия
MIT
Опубликована
28 окт 2025

scConcept

ЭмбеддингиТекст → embedding

scConcept — метод контрастивного предобучения для scRNA-seq, предназначенный для извлечения эмбеддингов клеток и адаптации к задачам анализа транскриптомики.

95скачиваний за 30 дней4лайкавеса обновлены8 сен 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

scConcept — метод контрастивного предварительного обучения для транскриптомики отдельных клеток, предоставляемый проектом scConcept. Репозиторий включает Python-пакет для загрузки и адаптации предварительно обученных моделей и извлечения эмбеддингов из данных scRNA-seq. Основная задача модели в каталоге Hugging Face — извлечение признаков.

В карточке описаны две конфигурации: модель на 30 млн параметров, обученная на 40 млн клеток CellxGene 2023, рассчитана на человека и обрабатывает до 1 000 токенов; модель на 170 млн параметров обучена на 360 млн клеток и охватывает 16 видов, с пределом 20 000 токенов. Они предназначены для получения представлений клеток и адаптации под наборы данных. Для крупной модели требуется достаточно памяти; ускорение с Flash Attention требует совместимой CUDA-среды. Лицензия — MIT.

Сценарии применения

  • извлечение эмбеддингов из данных scRNA-seq
  • сравнение клеточных профилей по их представлениям
  • адаптация предобученной модели к набору данных отдельных клеток
  • анализ транскриптомики человека
  • сопоставление клеток между видами

Ограничения

Модель ориентирована на данные scRNA-seq; применимость конфигураций зависит от вида и размера контекста, а крупная мультивидовая версия требует значительной памяти. Для ускорения через Flash Attention нужна совместимая CUDA-среда.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

scConcept

This repository contains the python package to train and use scConcept (Single-cell contrastive cell pre-training) method for single-cell transcriptomics.

Installation

You need to have Python 3.12 or newer installed on your system. If you don't have Python installed, we recommend installing uv.

Default installation

Install the latest release of sc-concept from PyPI:

pip install sc-concept

Latest development version

To install the latest development version directly from GitHub:

pip install git+https://github.com/theislab/scConcept.git@main

Optional Flash Attention speedup

The standard installation is enough for loading pretrained models, extracting embeddings, and light adaptation. For faster inference, embedding extraction, adaptation, or large-scale training, install Flash Attention with one of the following options.

  1. Recommended: cd to the project root and run ./scripts/setup_env.sh, which installs uv if needed and creates a virtual environment with the training dependencies.

  2. Manual: make sure a CUDA-enabled version of PyTorch is installed. More information is available in the PyTorch installation guide. Then install Flash Attention:

MAX_JOBS=4 pip install "flash-attn>=2.7" --no-build-isolation

This can take up to an hour depending on the system specifications and whether a pre-built release of flash-attn is available for your exact versions of Python, PyTorch, and CUDA. If this takes long, we recommend using the setup script instead.

How to use

scConcept provides a simple API to load and adapt pre-trained models and extract embeddings from scRNA-seq data.

Pre-trained models

The following models are available from the scConcept Hugging Face repository. Use the value in the model_name column with concept.load_config_and_model(model_name=...).

model_nameTraining corpusArchitectureMax tokensSpeciesNotes
corpus360M[multi-species]-model170M360M cells (CellxGene 2026 + scBaseCount 2025)170M parameters, 16 layers, 1024 hidden size, 16 heads20,00016 speciesLargest multi-species checkpoint; best suited for cross-species applications with sufficient memory.
corpus40M-model30M40M cells (CellxGene 2023)30M parameters, 8 layers, 512 hidden size, 8 heads1,000HumanRecommended default for embedding extraction and light adaptation.

Here's a basic example:

from concept import scConcept
import scanpy as sc

# Load your single-cell data
adata = sc.read_h5ad("your_data.h5ad")

# Initialize scConcept and load a pretrained model
concept = scConcept(cache_dir='./cache/')

# Option 1: Load a model directly from HuggingFace
concept.load_config_and_model(model_name='corpus40M-model30M') 

# Option 2: Load any local model
concept.load_config_and_model(
    config='<path-to-config.yaml>',
    model_path='<path-to-model.ckpt>',
    gene_mappings_path='<path-to-gene-mappings-directory>',
)

# scConcept accepts Gene Ensemble IDs as input. You can use built-in helper methods to do the mapping if needed:
adata.var['gene_id'] = concept.map_gene_names_to_ids(
    species='hsapiens', # see concept.species for available species names
    gene_names=adata.var_names.tolist(),
)

# Extract embeddings --> adata.var['gene_id']: ENSGXXXXXXXXXXX
result = concept.extract_embeddings(adata=adata, gene_id_column='gene_id')

# Use embeddings for downstream analysis
adata.obsm['X_scConcept'] = result['cls_cell_emb']

Model adaptation

# Adapt a pre-trained model on your own data
concept.train(adata, max_steps=10000, batch_size=128) 

# Important: For multiple datasets pass them separately
concept.train([adata1, adata2, ...], max_steps=20000, batch_size=128) 

result = concept.extract_embeddings(adata=adata, gene_id_column='gene_id')
adata.obsm['X_scConcept_adapted'] = result['cls_cell_emb']

Large-scale pre-training from scratch

scConcept.train() is only for light adaptation of pretrained models or small trainings on the fly. Use train.py for distributed model pre-training from scratch over large corpus of data.

Before using train.py follow the instructions on lamindb for setting up a lamin instance.

Troubleshooting

If you encounter an error when loading a pre-trained model, try the following:

  1. Remove the repository and clone the most recent version
  2. Remove the cache directory (cache/ by default)
  3. Run again

This will force a fresh download of the pre-trained model and should resolve most loading issues.

Citation

Bahrami, M., Tejada-Lapuerta, A., Becker, S., Hashemi G, F.S. and Theis, F.J., 2025. scConcept: Contrastive pretraining for technology-agnostic single-cell representations beyond reconstruction. bioRxiv, pp.2025-10. doi: https://doi.org/10.1101/2025.10.14.682419

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
0dacfea

0 моделей