Geneformer

Geneformer#

✅ 状态： 就绪 | 版本： v2-106M

概述#

基于秩值编码的 Transformer，使用 Ensembl 基因 ID，支持 CPU 推理，融合网络生物学预训练

!!! tip “何时选择 Geneformer”

适用于拥有 Ensembl 基因 ID、需要纯 CPU 推理，或希望获得基因网络感知嵌入的场景

规格参数#

属性

值

模型

Geneformer

版本

v2-106M

任务

embed, integrate

模态

RNA

物种

human

基因 ID

ensembl (ENSG…)

嵌入维度

512

需要 GPU

否

最低显存

4 GB

推荐显存

16 GB

CPU 回退

是

适配器状态

✅ 就绪

快速开始#

import omicverse as ov

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

# 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", "geneformer", "embed")

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

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

输入要求#

要求

详情

基因 ID 方案

ensembl (ENSG…)

预处理

秩值编码。使用 geneformer.preprocess() 进行正确的 tokenization。如存在 Ensembl 版本后缀（如 .15），请将其去除。

数据格式

AnnData (.h5ad)

批次键

用于批次整合的 .obs 列（可选）

!!! warning “基因 ID 转换”

Geneformer 需要 Ensembl ID（如 `ENSG00000141510`）。若您的数据使用基因符号，请通过以下方式转换：
```python
# ov.fm.preprocess_validate() 会自动检测并给出修复建议
check = ov.fm.preprocess_validate("data.h5ad", "geneformer", "embed")
print(check["auto_fixes"])  # 显示转换建议
```

输出键#

运行 ov.fm.run() 后，结果存储在 AnnData 对象中：

键

位置

描述

X_geneformer

adata.obsm

细胞嵌入向量（512 维）

geneformer_pred

adata.obs

预测的细胞类型标签

 
import scanpy as sc

adata = sc.read_h5ad("output_geneformer.h5ad")
embeddings = adata.obsm["X_geneformer"]  # shape: (n_cells, 512)

# 下游分析
sc.pp.neighbors(adata, use_rep="X_geneformer")
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 Geneformer 教程笔记本。

目录