• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

General-purpose pre-trained large cellular models for single-cell transcriptomics.

作者信息

Bian Haiyang, Chen Yixin, Luo Erpai, Wu Xinze, Hao Minsheng, Wei Lei, Zhang Xuegong

机构信息

MOE Key Laboratory of Bioinformatics and Bioinformatics Division of BNRIST, Department of Automation, Tsinghua University, China.

Center for Synthetic and Systems Biology, School of Life Sciences and School of Medicine, Tsinghua University, China.

出版信息

Natl Sci Rev. 2024 Sep 25;11(11):nwae340. doi: 10.1093/nsr/nwae340. eCollection 2024 Nov.

DOI:10.1093/nsr/nwae340
PMID:39555105
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11565237/
Abstract
摘要
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/578c/11565237/7b4a86095ee8/nwae340fig1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/578c/11565237/7b4a86095ee8/nwae340fig1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/578c/11565237/7b4a86095ee8/nwae340fig1.jpg

相似文献

1
General-purpose pre-trained large cellular models for single-cell transcriptomics.用于单细胞转录组学的通用预训练大型细胞模型。
Natl Sci Rev. 2024 Sep 25;11(11):nwae340. doi: 10.1093/nsr/nwae340. eCollection 2024 Nov.
2
Advances in single-cell transcriptomics in animal research.动物研究中单细胞转录组学的进展。
J Anim Sci Biotechnol. 2024 Aug 2;15(1):102. doi: 10.1186/s40104-024-01063-y.
3
STRIDE: accurately decomposing and integrating spatial transcriptomics using single-cell RNA sequencing.STRIDE：使用单细胞 RNA 测序准确分解和整合空间转录组学。
Nucleic Acids Res. 2022 Apr 22;50(7):e42. doi: 10.1093/nar/gkac150.
4
Linking transcriptome and morphology in bone cells at cellular resolution with generative AI.利用生成式人工智能在细胞分辨率下将骨细胞中的转录组与形态学联系起来。
J Bone Miner Res. 2024 Dec 31;40(1):20-26. doi: 10.1093/jbmr/zjae151.
5
scDeepSort: a pre-trained cell-type annotation method for single-cell transcriptomics using deep learning with a weighted graph neural network.scDeepSort：一种使用深度学习和加权图神经网络进行单细胞转录组学的预训练细胞类型注释方法。
Nucleic Acids Res. 2021 Dec 2;49(21):e122. doi: 10.1093/nar/gkab775.
6
Recent advances in high-throughput single-cell transcriptomics and spatial transcriptomics.高通量单细胞转录组学和空间转录组学的最新进展。
Lab Chip. 2022 Dec 6;22(24):4774-4791. doi: 10.1039/d2lc00633b.
7
Microfluidic single-cell transcriptomics: moving towards multimodal and spatiotemporal omics.微流控单细胞转录组学：迈向多模态和时空组学。
Lab Chip. 2021 Oct 12;21(20):3829-3849. doi: 10.1039/d1lc00607j.
8
Resolving cellular dynamics using single-cell temporal transcriptomics.利用单细胞时间转录组学解析细胞动力学。
Curr Opin Biotechnol. 2024 Feb;85:103060. doi: 10.1016/j.copbio.2023.103060. Epub 2024 Jan 9.
9
Does mouse embryo primordial germ cell activation start before implantation as suggested by single-cell transcriptomics dynamics?小鼠胚胎原始生殖细胞的激活是否如单细胞转录组动力学所暗示的那样在着床前就开始了？
Mol Hum Reprod. 2016 Mar;22(3):208-25. doi: 10.1093/molehr/gav072. Epub 2016 Jan 5.
10
scEMB: Learning context representation of genes based on large-scale single-cell transcriptomics.scEMB：基于大规模单细胞转录组学学习基因的上下文表示。
bioRxiv. 2024 Sep 26:2024.09.24.614685. doi: 10.1101/2024.09.24.614685.

引用本文的文献

1
scDrugMap: Benchmarking Large Foundation Models for Drug Response Prediction.scDrugMap：用于药物反应预测的大型基础模型基准测试
ArXiv. 2025 May 8:arXiv:2505.05612v1.

本文引用的文献

1
Transformers in single-cell omics: a review and new perspectives.单细胞组学中的转换器：综述与新视角。
Nat Methods. 2024 Aug;21(8):1430-1443. doi: 10.1038/s41592-024-02353-z. Epub 2024 Aug 9.
2
Large-scale foundation model on single-cell transcriptomics.单细胞转录组学的大规模基础模型。
Nat Methods. 2024 Aug;21(8):1481-1491. doi: 10.1038/s41592-024-02305-7. Epub 2024 Jun 6.
3
scGPT: toward building a foundation model for single-cell multi-omics using generative AI.scGPT：迈向使用生成式人工智能构建单细胞多组学基础模型
Nat Methods. 2024 Aug;21(8):1470-1480. doi: 10.1038/s41592-024-02201-0. Epub 2024 Feb 26.
4
Predicting transcriptional outcomes of novel multigene perturbations with GEARS.用 GEARS 预测新型多基因扰动的转录结果。
Nat Biotechnol. 2024 Jun;42(6):927-935. doi: 10.1038/s41587-023-01905-6. Epub 2023 Aug 17.
5
Transfer learning enables predictions in network biology.迁移学习可实现网络生物学预测。
Nature. 2023 Jun;618(7965):616-624. doi: 10.1038/s41586-023-06139-9. Epub 2023 May 31.
6
Generative pretraining from large-scale transcriptomes for single-cell deciphering.基于大规模转录组的生成式预训练用于单细胞解析
iScience. 2023 Apr 20;26(5):106536. doi: 10.1016/j.isci.2023.106536. eCollection 2023 May 19.
7
Evolutionary-scale prediction of atomic-level protein structure with a language model.用语言模型进行原子级蛋白质结构的进化尺度预测。
Science. 2023 Mar 17;379(6637):1123-1130. doi: 10.1126/science.ade2574. Epub 2023 Mar 16.
8
hECA: The cell-centric assembly of a cell atlas.人类细胞图谱计划（hECA）：以细胞为中心构建细胞图谱。
iScience. 2022 Apr 28;25(5):104318. doi: 10.1016/j.isci.2022.104318. eCollection 2022 May 20.
9
Toward a unified information framework for cell atlas assembly.迈向用于细胞图谱组装的统一信息框架。
Natl Sci Rev. 2021 Sep 27;9(3):nwab179. doi: 10.1093/nsr/nwab179. eCollection 2022 Mar.
10
DISCO: a database of Deeply Integrated human Single-Cell Omics data.DISCO：一个深度整合的人类单细胞组学数据数据库。
Nucleic Acids Res. 2022 Jan 7;50(D1):D596-D602. doi: 10.1093/nar/gkab1020.