scGPT
PulseAugur coverage of scGPT — every cluster mentioning scGPT across labs, papers, and developer communities, ranked by signal.
-
新AI框架ELISA增强单细胞基因组学发现
研究人员开发了ELISA，一个新颖的可解释框架，旨在弥合单细胞RNA测序数据与生物学发现之间的差距。这个混合生成式AI代理整合了scGPT的表达嵌入与BioBERT支持的语义检索能力。ELISA可以处理基因签名、自然语言概念或两者的混合，直接在嵌入式数据上执行通路活性评分和配体-受体相互作用预测等任务。与现有方法相比，ELISA在细胞类型检索方面表现出显著的改进，并成功复制了已发表的生物学发现，同时还产生了新的假设。
-
Xaira Therapeutics发布X-Cell模型，用于AI驱动的药物发现
Xaira Therapeutics，由首席发现官Ci Chu和首席AI科学家Bo Wang领导，开发了X-Cell模型用于药物发现。该模型在X-Atlas上进行训练，X-Atlas是一个通过CRISPR实验生成的新型数据集，可以并行测试基因表达变化。与之前专注于RNA表达的模型不同，X-Cell旨在预测改变特定基因的影响，这是开发靶向药物或基因疗法的关键步骤。该团队已将X-Cell的模型从自回归模型转向扩散模型，并证明了其泛化到真实…
-
AI框架FLAG可根据组织学图像预测空间基因表达
来自上海高等研究院、上海交通大学和复旦大学的研究人员开发了FLAG，一种从组织学图像预测空间基因表达的新型框架。该方法将任务从确定性回归重新定义为结构化分布建模，解决了高维数据中的“基因维度诅咒”问题。FLAG集成了空间图编码器和条件扩散Transformer，并与预训练的基因基础模型对齐，以捕捉基因-基因调控关系和基因-空间分布。
-
AI模型通过新颖的架构推进细胞动力学预测
研究人员正在开发新的AI模型来预测细胞动力学和对扰动的反应。一种方法Chreode使用细胞世界模型进行一步时间预测，并在扰动预测的基因状态嵌入方面显示出改进。另一项研究探索了时间图学习，其中细胞状态被建模为演化的图结构，在预测生物状态方面优于现有的基础模型。此外，一个潜在的动力学因果生成模型CITE-VAE旨在捕捉潜在的细胞程序及其扰动驱动的动力学，展示了对未见扰动的改进泛化能力。