DELIGHT-FM Epi-colon Age
модель для предсказания возраста тканей толстой кишки
1 мин чтенияобновлено
Эта модель решает задачу регрессии возраста по данным экспрессии генов для тканей толстой кишки. Она предсказывает показатель log2(PCW) (эмбрионального возраста в неделях) на основе одиночной РНК-экспрессии клеток (single-cell RNA expression) и позволяет проводить верифицированные пертурбации (возрастные изменения) в геномных данных. Модель основана на семействе DELIGHT-FM, использует архитектуру transformers и Mamba-расширения, обучена на десятках тысяч клеток. Инструмент пригодится исследователям в области биоинформатики и генетики для анализа клеточного развития.
Ключевые особенности
- Сохраненная регрессионная головка для предсказания log2(PCW)
- Обучена на подмножестве из более чем 85 тысяч клеток
- Использует токенизацию генов и специфические файлы ресурсов
- Включает ноутбуки для инференса и проверки возрастных пертурбаций
Что можно сделать
- Предсказать developmental age (возраст развития) без переобучения модели
- Запустить верифицированные пертурбации возраста в соответствии с блокнотами проекта
- Использовать модель совместно с базовым репозиторием DELIGHT-FM Epi-colon для комплексных задач
Пример
from transformers import AutoModelForSequenceClassification
model = AutoModelForSequenceClassification.from_pretrained(
"chloehlee/delight-fm-epi-colon-age", trust_remote_code=True)
Подробнее
Берёт на вход генные токен-ID и z-скорректированную экспрессиюОбучено на 85035 клетках, валидация на 25155 клетках
Лицензия: Apache 2.0
Требуется Python 3.10, стек PyTorch/CUDA 11.8 и скомпилированные Mamba-расширения










Комментарии