Cell2Sentence

Cell2Sentence#

⚠️ 状态： 部分支持 | 版本： v1.0

概述#

将细胞转换为文本句子，用于 LLM 微调，生成 768 维 LLM 嵌入向量

!!! tip “何时选择 Cell2Sentence”

适用于希望利用通用 LLM、将细胞转换为文本，或使用 LLM 微调工作流程的场景

规格参数#

属性

值

模型

Cell2Sentence

版本

v1.0

任务

embed

模态

RNA

物种

human

基因 ID

symbol

嵌入维度

768

需要 GPU

是

最低显存

16 GB

推荐显存

32 GB

CPU 回退

否

适配器状态

⚠️ 部分支持

快速开始#

import omicverse as ov

# 1. 查看模型规格
info = ov.fm.describe_model("cell2sentence")

# 2. 分析您的数据
profile = ov.fm.profile_data("your_data.h5ad")

# 3. 验证兼容性
check = ov.fm.preprocess_validate("your_data.h5ad", "cell2sentence", "embed")

# 4. 运行推理
result = ov.fm.run(
    task="embed",
    model_name="cell2sentence",
    adata_path="your_data.h5ad",
    output_path="output_cell2sentence.h5ad",
    device="auto",
)

# 5. 解读结果
metrics = ov.fm.interpret_results("output_cell2sentence.h5ad", task="embed")

输入要求#

要求

详情

基因 ID 方案

symbol

预处理

需要在参考数据上进行微调。基因表达会被转换为排序基因句子。

数据格式

AnnData (.h5ad)

输出键#

运行 ov.fm.run() 后，结果存储在 AnnData 对象中：

键

位置

描述

X_cell2sentence

adata.obsm

细胞嵌入向量（768 维）

 
import scanpy as sc

adata = sc.read_h5ad("output_cell2sentence.h5ad")
embeddings = adata.obsm["X_cell2sentence"]  # shape: (n_cells, 768)

# 下游分析
sc.pp.neighbors(adata, use_rep="X_cell2sentence")
sc.tl.umap(adata)
sc.tl.leiden(adata, resolution=0.5)
sc.pl.umap(adata, color=["leiden"])

参考资源#

动手教程#

如需包含代码的逐步演练，请参阅 Cell2Sentence 教程笔记本。

目录