C2S-Scale:Yale University、Google Research、Google DeepMind
把细胞表达排序转成「细胞句子」后微调通用 LLM 的单细胞模型(4.1 亿至 270 亿参数)。
单细胞 · 学术实验室 · 美国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | C2S-Scale;全称:Cell2Sentence-Scale;别名:Cell2Sentence |
| 家族 | 否:本记录只覆盖本模型,属于 Cell2Sentence 系列 |
| 机构 | Yale University、Google Research、Google DeepMind |
| 机构类型 / 国家 | 学术实验室 / 美国 |
| 模型类别 | 单细胞语言模型 |
| 领域 | 单细胞(次领域:文本与 agent) |
| 首次发布 | (依据:预印本 v1) 站上原写 2025-04(月份级) |
| 其他里程碑 | 最早公开证据 (预印本 v1);预印本 v1 (预印本 v1);权重发布 †(未核实)(最大档权重在模型托管站发布,同期有官方博客) |
| 最近更新 | ,论文修订:预印本修订至 v4(v2 2025-10-11、v3 2025-10-26);更早的事件是 2025-10 的最大档权重发布。未检出期刊发表版本。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;权重:开放(CC-BY-4.0);代码在公开仓库,权重在模型托管站,模型卡标注一种知识共享许可;代码许可证本轮未复核 |
| 状态 | 活跃:12 个月内有预印本修订与权重发布 |
| 报过的 benchmark | 1 项计入(改协议 1) |
| 湿实验验证 | 1 条记录 |
| 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
把每个细胞表达最高的若干基因排成文本序列,用通用语言模型处理细胞类型注释、条件生成与问答,并扩展到空间邻域与扰动响应;沿用通用 LLM 架构而不做单细胞专用结构,这一点与 TranscriptFormer 相反。开发方称部分依赖上下文的推理只在最大参数档出现。
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。1 项计入(改协议 1)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 24 虚拟细胞挑战赛与扰动预测评测 | 开发方自报,协议有改动 | 是 | — | 自报 | 扰动预测用自选数据集与自建指标,对比三个同类方法,不是该评测的官方赛道 | 出处 |
其他评测(不在 44 项内)
- 细胞类型注释对比(仅与基线对比,自报):与两个单细胞基础模型在注释任务上作者自报相当,属对照而非公共口径评测
- 整合任务的自选指标(自建任务集,自报):预印本未用通用整合评测指标,改用另一种对齐度量,与站内整合评测不可并列
开发方称:用通用语言模型处理单细胞数据可随规模提升表现,并能提出可在实验中检验的生物学假说。
独立证据:未检出独立证据(预印本未经同行评议,未检出第三方对其扰动或注释结果的独立评测)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 超过 5,000 万人和小鼠细胞(来自公开细胞图谱等)加生物文本与元数据,组成约 10 亿 token 的语料与 1.5 亿条训练样本 | 出处 |
| b 私有 / 授权 | 否 | — | 出处 |
| c 自产 wet lab 训练数据 | 否 | — | 出处 |
| d 仅用于验证的 wet lab | 是 | 一个药物假说在实验室中检验,属验证而非训练 | 出处 |
湿实验验证
每个比率都带分子与分母;未核实的条目不给数字。不同版本的来源分开列。
| 实验 | 靶点数 | 受测设计 | 命中 | 成功率 | 最佳亲和力 | 分母口径 | 版本 | 来源类型 | 日期 | 核实 | 执行方 | 说明 | 出处 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 单个药物假说的实验验证 | 不给数字 | 不给数字 | 不给数字 | 不给数字 | — | 从 4,000 余种药物的计算筛选中取 1 个假说送检;批次与重复数未公开,命中率无法计算 | 2025-10 and later preprint versions | 自报 | †(未核实) | 部分核实† | 由合作的学术实验室执行,非独立复现 | 模型预测某激酶抑制剂只在低干扰素条件下增强抗原提呈,在一种此前未见的人细胞模型中观察到增强;该结果只存在于 2025-10 及之后的预印本版本,引用须指向当前版本 | 出处 |
背景
- 机构:由一所美国大学的实验室与一家大型科技公司的两个研究部门合作完成,基座为该公司的开放模型系列。
- 融资:合作方提供模型与算力;该工作的基金编号在论文页与博客中均未列出。
- 产品与合作:2025-04 发布系列模型,2025-10 发布最大参数档并配官方博客;同一公司在基因组侧的工作见 AlphaGenome。
- 相关模型:TranscriptFormer、AlphaGenome、scGPT / Geneformer
怎么看
- 对比结论为作者自报,正文多给方向性结论,逐项数值在补充材料。
- 药物假说验证是单个案例,不是系统性湿实验背书。
- 它没有报公共整合口径,和用该口径的单细胞模型不能直接比。
- 湿实验结果只在 2025-10 及之后的版本中,引用旧版本会落空。
局限与注意
- 站上原链接指向预印本首版,而湿实验结果不在该版本中,链接须改到当前版本。
- 重复次数与实验执行方归属未核实,不给重复数。
- 预印本未经同行评议,所有对比数值都属作者口径。
来源
- 预印本全文(预印本)
- 预印本版本记录(注册库)
- 模型托管站权重页(模型仓库)
- 官方博客(湿实验结果)(博客)
- 代码仓库(仓库)
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
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。