UCE

UCE#

✅ 状态： 就绪 | 版本： 4-layer

概述#

最广泛的物种支持（7 种物种），1280 维嵌入，通过蛋白质结构实现通用细胞嵌入

!!! tip “何时选择 UCE”

适用于非人类/非小鼠物种（斑马鱼、蛙、猪、猕猴、狐猴），或需要跨物种比较的场景

规格参数#

属性

值

模型

UCE

版本

4-layer

任务

embed, integrate

模态

RNA

物种

human, mouse, zebrafish, mouse_lemur, macaque, frog, pig

基因 ID

symbol

嵌入维度

1280

需要 GPU

是

最低显存

16 GB

推荐显存

16 GB

CPU 回退

否

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("uce")

# 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", "uce", "embed")

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

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

输入要求#

要求

详情

基因 ID 方案

symbol

预处理

标准对数归一化。模型内部处理 tokenization。

数据格式

AnnData (.h5ad)

批次键

用于批次整合的 .obs 列（可选）

输出键#

运行 ov.fm.run() 后，结果存储在 AnnData 对象中：

键

位置

描述

X_uce

adata.obsm

细胞嵌入向量（1280 维）

 
import scanpy as sc

adata = sc.read_h5ad("output_uce.h5ad")
embeddings = adata.obsm["X_uce"]  # shape: (n_cells, 1280)

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

目录