vandijklab/immune-c2s

Cell2Sentence是一种将大型语言模型适应于单细胞转录组学的新方法。该方法将单细胞RNA测序数据转换为按表达水平排序的基因名称序列，称为“细胞句子”。该数据集来源于Domínguez等人的免疫组织数据集，并用于训练Pythia-160m模型，该模型能够生成完整的细胞描述。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-nd-4.0
• 语言: 英语
• 标签: 生物学, PyTorch, 因果语言模型
• 大小类别: 100K<n<1M

配置

• 默认配置
  • 训练集: 路径为 data/train-*
  • 测试集: 路径为 data/test-*
  • 验证集: 路径为 data/val-*

数据集信息

• 特征:
  • input_ids: 数据类型为字符串
  • cell_type: 数据类型为字符串
• 分割:
  • 训练集: 字节数为 2314316937，样本数为 218732
  • 测试集: 字节数为 288846799，样本数为 27388
  • 验证集: 字节数为 289505418，样本数为 27382
• 下载大小: 2322876358 字节
• 数据集大小: 2892669154 字节

任务类别

• 文本生成
• 问答