BulkFormer:Peking University (biomedical informatics)、Jilin University、Wuhan Sports University
人类 bulk 转录组基础模型,约 1.5 亿参数。
基因组/RNA · 学术实验室 · 中国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | BulkFormer;别名:BulkFormer-Atlas、BulkFormer-Latest |
| 家族 | 家族条目:BulkFormer (paper checkpoints) †(未核实);BulkFormer-Atlas ;BulkFormer-Latest 。边界:论文版为五个参数档,2026-11 另发两个更大的新版,权重托管方式与许可声明不同 |
| 机构 | Peking University (biomedical informatics)、Jilin University、Wuhan Sports University |
| 机构类型 / 国家 | 学术实验室 / 中国 |
| 模型类别 | 转录组基础模型(掩码重建) |
| 领域 | 基因组/RNA(次领域:单细胞) |
| 首次发布 | †(未核实)(依据:预印本 v1) 该日取自既有记录,本轮未复核 |
| 其他里程碑 | 最早公开证据 †(未核实)(预印本 v1);预印本 v1 †(未核实)(预印本 v1);期刊上线 †(未核实)(期刊发表(登记机构记录为该月));代码发布 (仓库标签发布两个新版);权重发布 (最终检查点提交) |
| 最近更新 | ,新权重:仓库于 2026-11-04 打标发布两个新版模型,2026-11-06 提交其中一个的最终检查点;期刊论文发表于 2026-07。(站上原记 2026-11-04,较新的提交为 11-06)。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放(MIT);权重:开放(MIT)†(未核实);论文版代码与权重 MIT;2026-11 的两个新版权重托管在一个通用网盘,未单独声明许可 |
| 状态 | 活跃:12 个月内有期刊发表与新权重发布 |
| 报过的 benchmark | 0 项计入 |
| 湿实验验证 | 无 |
| 全站实体页 | 无(全站实体库未检出对应页面) |
| 截至 | 2026-11-16 |
做什么
面向人类 bulk 转录组:输入约两万个蛋白编码基因的表达量,预训练时随机遮蔽部分表达值并重建,用基因共表达图为注意力提供先验,下游以基因或样本嵌入接简单预测头,覆盖插补、疾病注释、预后、药物响应、化合物扰动与基因必需性。站内其余组学基础模型如 CellFM、scFoundation、scGPT/Geneformer 都以单细胞数据预训练,本模型是唯一以 bulk 为对象者,也是论文中的对手。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。0 项计入。
在本站 44 个 benchmark 上没有任何配对记录;它怎么自评见下一节。
其他评测(不在 44 项内)
- 自建下游任务组(自建任务集,自报):预印本摘要列六项下游任务,发表版摘要只列五项,对手为单细胞基础模型与简单基线
- 第三方泛癌突变探测(站外公开 benchmark,第三方):一家企业实验室的会议摘要用冻结嵌入做线性探测,本模型排在两个单细胞基础模型之后
- 一个公开 bulk 排行榜的快照(站外公开 benchmark,自报):仓库自述新版与组织方基线拼接后在某日快照居首、单独使用时靠后,并自行提示排名会变动
开发方称:约 1.5 亿参数、在五十万份以上公开 bulk 样本上预训练的转录组基础模型,在自选的下游任务上全面优于单细胞基础模型与简单基线。
独立证据:一家企业实验室的会议摘要在泛癌突变探测上把本模型排在两个单细胞基础模型之后;另有一家研究机构的预印本把它作为对照参考。
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 两个公开表达数据库中的人类 bulk 转录组,覆盖 20,010 个蛋白编码基因;样本数预印本写 522,769、发表版摘要写 581,503 | 出处 |
| b 私有 / 授权 | 否 | — | — |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 否 | 下游任务用公开队列与公开药物响应、必需性数据集 | — |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:主体为中国一所大学基础医学院的生物医学信息学实验室与一个全国重点实验室,合作作者来自另外两所大学。
- 融资:预印本致谢列一项国家自然科学基金,发表版另列一项基金编号。
- 产品与合作:代码与权重在公开仓库与公开模型库维护,仓库另记录了向一个公开 bulk 排行榜的提交;无公司或药企合作披露。
- 相关模型:CellFM、xTrimoSCPerturb / scFoundation、scGPT / Geneformer
怎么看
- 「全面胜出」是在作者自选任务上,用同一接口与为单细胞预训练的模型比较所得。
- 第三方横评中它输给两个单细胞模型,说明优势随任务而变,不能当作 bulk 任务通吃。
- 预印本与发表版在样本量与任务数上口径不同,引用须写明版本。
- 价值在于填补只有单细胞、没有 bulk 的空白;规模在基础模型里偏小。
局限与注意
- 站内 44 个 benchmark 上无配对,评测全部自建。
- 首发日取自既有记录,本轮未复核。
- 期刊上线日只有月级可证,中文报道的具体日未复现。
- 2026-11 新版权重托管在通用网盘,许可未单独声明。
- 排行榜快照成绩由开发方自述,且其自承排名会变动。
来源
- 期刊论文 2026(期刊)
- 预印本 2025(预印本)
- 代码仓库(仓库)
- 第三方会议摘要 2026(第三方论文)
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
| 字段 | 原 | 现 | 原因 | 出处 | 发现日期 |
|---|---|---|---|---|---|
| latest_update | 2026-11-04(新版发布标签) | 2026-11-06(最终检查点提交) | — | 依据 | 2026-11-16 |
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。