AIDO.Cell — 基础模型教程

AIDO.Cell — 基础模型教程#

AIDO.Cell — 针对无监督细胞聚类优化的稠密 Transformer，无需预定义标签

属性

值

任务

embed, integrate

物种

human

基因 ID

symbol

需要 GPU

是

最低显存

16 GB

嵌入维度

512

代码仓库

genbio-ai/AIDO

本教程演示如何通过统一的 ov.fm API 使用 AIDO.Cell。

引用： Zeng, Z. et al. (2024). OmicVerse: a framework for bridging and deepening insights across bulk and single-cell sequencing. Nature Communications, 15(1), 5983.

import omicverse as ov
import scanpy as sc
import os
import warnings
warnings.filterwarnings('ignore')

ov.plot_set()

无监督发现#

AIDO.Cell 针对无标签细胞发现进行了优化：

  • 嵌入针对无监督聚类性能进行了调优

  • 训练过程中无需预定义细胞类型标签

  • 适合稀有细胞类型发现和探索性分析

  • 稠密 Transformer 架构捕获复杂的基因-基因关系

当您拥有未注释的数据集且希望在无参考偏差的情况下发现细胞群时，请选择 AIDO.Cell。

步骤 1：查看模型规格#

使用 ov.fm.describe_model() 获取 AIDO.Cell 的完整规格信息。

info = ov.fm.describe_model("aidocell")

print("=== Model Info ===")
print(f"Name: {info['model']['name']}")
print(f"Version: {info['model']['version']}")
print(f"Tasks: {info['model']['tasks']}")
print(f"Species: {info['model']['species']}")
print(f"Embedding dim: {info['model']['embedding_dim']}")
print(f"Differentiator: {info['model']['differentiator']}")

print("\n=== Input Contract ===")
print(f"Gene ID scheme: {info['input_contract']['gene_id_scheme']}")
print(f"Preprocessing: {info['input_contract']['preprocessing']}")

print("\n=== Output Contract ===")
print(f"Embedding key: {info['output_contract']['embedding_key']}")
print(f"Embedding dim: {info['output_contract']['embedding_dim']}")

步骤 2：准备数据#

加载数据集并将其保存，以供 ov.fm 工作流使用。大多数基础模型需要原始计数（非负值）。

adata = sc.datasets.pbmc3k()
sc.pp.filter_cells(adata, min_genes=200)
sc.pp.filter_genes(adata, min_cells=3)
print(f'Dataset: {adata.n_obs} cells x {adata.n_vars} genes')
print(f'Gene names (first 5): {adata.var_names[:5].tolist()}')
print(f'X range: [{adata.X.min():.1f}, {adata.X.max():.1f}]')

adata.write_h5ad('pbmc3k_aidocell.h5ad')

步骤 3：分析数据并验证兼容性#

在运行推理之前，检查您的数据是否与 AIDO.Cell 兼容。

profile = ov.fm.profile_data("pbmc3k_aidocell.h5ad")

print("=== Data Profile ===")
print(f"Species: {profile['species']}")
print(f"Gene scheme: {profile['gene_scheme']}")
print(f"Modality: {profile['modality']}")
print(f"Cells: {profile['n_cells']:,}")
print(f"Genes: {profile['n_genes']:,}")

# Validate compatibility
validation = ov.fm.preprocess_validate("pbmc3k_aidocell.h5ad", "aidocell", "embed")
print(f"\n=== Validation: {validation['status']} ===")
for d in validation.get("diagnostics", []):
    print(f"  [{d['severity']}] {d['message']}")
if validation.get("auto_fixes"):
    print("\nSuggested fixes:")
    for fix in validation["auto_fixes"]:
        print(f"  - {fix}")

步骤 4：运行 AIDO.Cell 推理#

通过 ov.fm.run() 执行 AIDO.Cell。该函数负责处理预处理、模型加载、推理和输出写入。

result = ov.fm.run(
    task="embed",
    model_name="aidocell",
    adata_path="pbmc3k_aidocell.h5ad",
    output_path="pbmc3k_aidocell_out.h5ad",
    device="auto",
)

if "error" in result:
    print(f"Error: {result['error']}")
    if "suggestion" in result:
        print(f"Suggestion: {result['suggestion']}")
else:
    print(f"Status: {result['status']}")
    print(f"Output keys: {result.get('output_keys', [])}")
    print(f"Cells processed: {result.get('n_cells', 0)}")

步骤 5：可视化与结果解读#

加载输出，从 AIDO.Cell 嵌入计算 UMAP，并评估质量。

if os.path.exists("pbmc3k_aidocell_out.h5ad"):
    adata_out = sc.read_h5ad("pbmc3k_aidocell_out.h5ad")
    emb_key = "X_aidocell"
    
    if emb_key in adata_out.obsm:
        print(f"Embedding shape: {adata_out.obsm[emb_key].shape}")
        
        # UMAP visualization
        sc.pp.neighbors(adata_out, use_rep=emb_key)
        sc.tl.umap(adata_out)
        sc.tl.leiden(adata_out, resolution=0.5)
        sc.pl.umap(adata_out, color=["leiden"],
                   title="AIDO.Cell Embedding (PBMC 3k)")
        
        # QA metrics
        interpretation = ov.fm.interpret_results("pbmc3k_aidocell_out.h5ad", task="embed")
        if "embeddings" in interpretation["metrics"]:
            for k, v in interpretation["metrics"]["embeddings"].items():
                print(f"\n{k}: dim={v['dim']}", end="")
                if "silhouette" in v:
                    print(f", silhouette={v['silhouette']:.4f}", end="")
                print()
    else:
        print(f"Embedding key {emb_key} not found.")
        print(f"Available keys: {list(adata_out.obsm.keys())}")
else:
    print("Output file not found — check model installation and adapter status.")
    print("See the Guide page for installation instructions.")

总结#

步骤

函数

功能说明

1

ov.fm.describe_model("aidocell")

查看模型规格及输入/输出契约

2

sc.datasets.pbmc3k()

准备输入数据

3

ov.fm.profile_data() + preprocess_validate()

检查兼容性

4

ov.fm.run()

执行 AIDO.Cell 推理

5

ov.fm.interpret_results()

评估嵌入质量

完整的模型目录请参见 ov.fm.list_models() 或 ov.fm API 概览。 AIDO.Cell 的详细规格说明，请参见 AIDO.Cell 指南。

目录