生物学视角驱动的单细胞基础模型基准研究.docx

研究背景

近年来，单细胞RNA测序（scRNA-seq）技术的发展极大地拓宽了我们对生物学过程和疾病机制的理解。随着高通量测序技术的进步，单细胞转录组数据量呈指数级增长，但其固有的高维、稀疏和低信噪比等特点，给传统机器学习模型的应用带来了挑战。受自然语言处理（NLP）领域基座模型成功的启发，基于Transformer架构的单细胞基础模型（scFMs）应运而生，旨在通过大规模预训练来学习通用的生物学知识，有望在多种下游任务中实现零样本或少样本的高效迁移。然而，scFMs是否能够超越标准方法提取独特的生物学见解尚不明确，其在细胞分类等特定任务中的优势也受到一些工作的质