原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
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
文档评论（0）