scPRINT-2:Institut Pasteur、CNRS
巴斯德研究所的第二代单细胞基础模型,跨 16 个物种 3.5 亿细胞预训练。
单细胞 · 学术实验室 · 法国 · 截至 2026-11-17
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | scPRINT-2;别名:scprint2;有歧义、不自动链接:scPRINT |
| 家族 | 否(前作 scPRINT 未单独建档,作为背景提及) |
| 机构 | Institut Pasteur、CNRS |
| 机构类型 / 国家 | 学术实验室 / 法国 |
| 模型类别 | 单细胞基础模型 |
| 领域 | 单细胞 |
| 首次发布 | (依据:bioRxiv 预印本 v1) |
| 其他里程碑 | 最早公开证据 (bioRxiv 预印本 v1);预印本 v1 (bioRxiv 预印本 v1(v3 为 2026-02-11));代码发布 (PyPI 首个版本) |
| 最近更新 | †(未核实),新版本:GitHub 发布 2.3.8,附件未检查,不能视为新权重;PyPI 另一版本轴最新为 1.0.3(2026-02-24)(该版本是否包含新权重未核实)。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(GPL-3.0 (GitHub) / MIT (PyPI metadata));权重:开放;代码公开,权重托管于 Hugging Face;GitHub 仓库许可为 GPL-3.0,PyPI 元数据写 MIT,二者不一致 |
| 状态 | 活跃:12 个月内有代码发布 |
| 报过的 benchmark | 0 项计入;另 2 条不计入(未证实 2) |
| 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 | 2026-11-17 |
做什么
Transformer 单细胞模型,预训练目标含掩码表达预测、去噪、对比式细胞嵌入与沿细胞本体的层级分类;论文先做一个"可加性"基准筛出有效设计再定型。主打零样本去噪、细胞嵌入、细胞类型预测与基因调控网络推断。与 CellFM、scGPT/Geneformer 相比,特色是跨 16 个物种预训练与基因网络推断。
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;另 2 条不计入(未证实 2)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 09 scIB (+Open Problems) | 未证实 | 否 | — | 未知 | 摘要称细胞嵌入达到最优但未点名 scIB,可核到的页面无分数;配对未证实,不计入 †(未核实) | 出处 |
| 21 DREAM5 / BEELINE / CausalBench | 未证实 | 否 | — | 未知 | 摘要称基因网络推断改进,仓库提到 benGRN 包,分数在预印本正文;是否按该 benchmark 协议未核实,不计入† | 出处 |
其他评测(不在 44 项内)
- "可加性"设计基准(自建任务集,自报):作者自建基准,用于比较各项设计改动并定型模型
- 去噪与细胞类型预测(自建任务集,自报):零样本口径,摘要称最优,未给数值
开发方称:在去噪、细胞嵌入与细胞类型预测上达到最优,并改进基因网络推断,且可泛化到未见模态与物种。
独立证据:未检出独立证据(未检出第三方榜单或独立评测结果)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 超过 3.5 亿个细胞、2.2 万多个数据集、16 个物种,主要来自 CZ CELLxGENE 与 scBaseCount | 出处 |
| b 私有 / 授权 | 否 | — | 出处 |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 否 | — | — |
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:学术实验室:巴斯德研究所 Machine Learning for Integrative Genomics 青年组,隶属 CNRS UMR3738,聚焦单细胞数据;合作方含 CNRS / ENS。
- 融资:组内有 ERC Starting Grant 项目与已结题的 ANR 项目;该预印本的具体经费条目未公开。
- 产品与合作:前作 scPRINT 于 2025-04 发表于 Nature Communications;数据加载与管理用 LaminDB 工具;无公司或药企合作披露。
- 相关模型:CellFM、scGPT / Geneformer、TranscriptFormer、xTrimoSCPerturb / scFoundation
怎么看
- 先做基准再定模型,方法论较透明,但可核到的页面没有分数,不能据此排名。
- 最优说法为作者自报,比较范围由作者自建基准决定,需要第三方榜单复核。
- 许可在 GitHub 与 PyPI 之间不一致,商业使用前须看仓库实际 LICENSE。
局限与注意
来源
- bioRxiv 预印本(预印本)
- 代码仓库(仓库)
- 包登记页(包仓库)
- bioRxiv 版本记录(预印本)
- 前作期刊论文(期刊)
- 研究组页面(官方网站)
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 | 2026-02-24(PyPI 1.0.3) | 2026-09-26(GitHub release 2.3.8;PyPI 为另一版本轴) | — | 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。