Fugu-MT 論文翻訳(概要): Revolutionizing Single Cell Analysis: The Power of Large Language Models for Cell Type Annotation

論文の概要: Revolutionizing Single Cell Analysis: The Power of Large Language Models for Cell Type Annotation

arxiv url: http://arxiv.org/abs/2304.02697v1
Date: Wed, 5 Apr 2023 18:45:54 GMT
ステータス: 処理完了
システム内更新日: 2023-04-07 16:20:30.618376
Title: Revolutionizing Single Cell Analysis: The Power of Large Language Models for Cell Type Annotation
Title（参考訳）: 単一細胞解析の革命:細胞型アノテーションのための大規模言語モデルの力
Authors: Zehua Zeng and Hongwu Du
Abstract要約: ChatGPTやNew Bingのような大規模な言語モデルは、細胞型の正確なアノテーションを提供する。単一細胞データのアノテートにChatGPTを用いることで、レア細胞型を機能に関連付けることができる。これは、がんの進行、哺乳類の発達、幹細胞の分化を理解する上で重要な応用となる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In recent years, single cell RNA sequencing has become a widely used technique to study cellular diversity and function. However, accurately annotating cell types from single cell data has been a challenging task, as it requires extensive knowledge of cell biology and gene function. The emergence of large language models such as ChatGPT and New Bing in 2023 has revolutionized this process by integrating the scientific literature and providing accurate annotations of cell types. This breakthrough enables researchers to conduct literature reviews more efficiently and accurately, and can potentially uncover new insights into cell type annotation. By using ChatGPT to annotate single cell data, we can relate rare cell type to their function and reveal specific differentiation trajectories of cell subtypes that were previously overlooked. This can have important applications in understanding cancer progression, mammalian development, and stem cell differentiation, and can potentially lead to the discovery of key cells that interrupt the differentiation pathway and solve key problems in the life sciences. Overall, the future of cell type annotation in single cell data looks promising and the Large Language model will be an important milestone in the history of single cell analysis.
Abstract（参考訳）: 近年、単細胞RNAシークエンシングは細胞多様性と機能を研究するために広く用いられている技術となっている。しかし、細胞生物学や遺伝子機能に関する広範な知識を必要とするため、単一細胞データから正確に細胞型をアノテートすることは難しい課題であった。 2023年にchatgptやnew bingといった大規模な言語モデルが出現し、科学文献を統合し、細胞タイプの正確なアノテーションを提供することで、このプロセスに革命をもたらした。このブレークスルーにより、研究者は文学レビューをより効率的に正確に実行でき、細胞型アノテーションに関する新たな洞察を発見できる可能性がある。単一細胞のアノテートにChatGPTを用いることで、レア細胞型を機能に関連付け、これまで見落とされた細胞サブタイプの特異的な分化軌跡を明らかにすることができる。これは、がんの進行、哺乳類の発達、幹細胞の分化を理解する上で重要な応用となり、分化経路を阻害し生命科学の重要な問題を解決する鍵細胞の発見に繋がる可能性がある。全体として、単一セルデータにおける細胞型アノテーションの将来は期待でき、大規模言語モデルは単一セル解析の歴史において重要なマイルストーンとなるだろう。

関連論文リスト

Cell as Point: One-Stage Framework for Efficient Cell Tracking [54.19259129722988]
本稿では,一段階の効率的なセルトラッキングを実現するために,新しいエンドツーエンドCAPフレームワークを提案する。 CAPは検出またはセグメンテーション段階を放棄し、細胞点の軌跡間の相関を利用して細胞を共同で追跡することでプロセスを単純化する。 Capは強力なセルトラッキング性能を示し、既存の方法の10倍から55倍の効率を示している。
論文参考訳（メタデータ） (2024-11-22T10:16:35Z)
How to Build the Virtual Cell with Artificial Intelligence: Priorities and Opportunities [46.671834972945874]
仮想セル構築にAIの進歩を活用するというビジョンを提案する。我々は、生物の普遍的な表現を含む、そのようなAI仮想セルの望ましい能力について議論する。我々は、AI仮想細胞が新しい薬物標的を特定し、摂動に対する細胞反応を予測し、スケール仮説を探索する未来を想像する。
論文参考訳（メタデータ） (2024-09-18T02:41:50Z)
Cell-ontology guided transcriptome foundation model [18.51941953027685]
to present textbfsingle textbfcell, textbfCell-textbfontology guided TFM scCello。我々のTFMは、生物学的に重要なタスクにおいて、既存のTFMよりも競争力と伝達性を示す。
論文参考訳（メタデータ） (2024-08-22T13:15:49Z)
LangCell: Language-Cell Pre-training for Cell Identity Understanding [3.6518971609937068]
我々は,事前学習期間中に,単一セルデータと自然言語の統一表現であるLangCellを紹介する。以上の結果から,ゼロショットセル識別理解シナリオにおいて効果的に機能できる単一セルPLMはLangCellのみであることが示唆された。
論文参考訳（メタデータ） (2024-05-09T10:04:05Z)
UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文参考訳（メタデータ） (2024-02-20T11:50:27Z)
scInterpreter: Training Large Language Models to Interpret scRNA-seq Data for Cell Type Annotation [15.718901418627366]
本研究は、単一細胞RNAシークエンシングデータにおいて、細胞型を解釈し、区別する機能を備えた大規模言語モデルの訓練および適応方法に焦点を当てる。
論文参考訳（メタデータ） (2024-02-18T05:39:00Z)
ChatCell: Facilitating Single-Cell Analysis with Natural Language [40.4429032376233]
ChatCellは、自然言語による単一セル分析を容易にするツールである。 ChatCellは単細胞生物学の深い専門知識を得た。プロジェクトのホームページはhttps://zjunlp.io/project/ChatCell.orgで公開されています。
論文参考訳（メタデータ） (2024-02-13T09:06:14Z)
Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文参考訳（メタデータ） (2023-11-28T09:14:55Z)
Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文参考訳（メタデータ） (2023-10-23T13:35:24Z)
A biology-driven deep generative model for cell-type annotation in cytometry [0.0]
Scyanはシングルセルサイトメトリーネットワークで,事前知識のみを用いて細胞タイプを自動的にアノテートする。 Scyanは、複数の公開データセット上の関連する最先端モデルよりも高速で解釈可能である。さらに、Scyanはバッチ効果除去、デバーコーディング、人口発見など、いくつかの補完的なタスクを克服している。
論文参考訳（メタデータ） (2022-08-11T10:50:44Z)
Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文参考訳（メタデータ） (2020-10-20T08:36:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。