Benchmarking single-cell foundation models reveals an advantage in the low-data regime for cell-type and disease-state prediction

预印本（未经同行评审）：Benhayon 等（以色列-加拿大医学研究所，耶路撒冷）在 CELLxGENE 的 868 个疾病预测任务（82 个数据集）和 65 个细胞类型数据集上，用逻辑回归评测 4 个单细胞基础模型的细胞表征。全量数据时，log 归一化计数基线在细胞类型上优于最佳模型（TranscriptFormer-Sapiens），在疾病预测上与之持平；标注细胞较少时（每类约 10² 个以内），TranscriptFormer-Sapiens 在两类任务上均显著优于基线。

作者 / 机构

Benhayon H, Danziger MM, Ben-Zvi D, Rosen-Zvi M.

发表于

bioRxiv (preprint, not peer-reviewed)

日期

2026-10-12

类型

预印本

年份

2026

DOI

10.64898/2026.10.12.758421

核验来源

bioRxiv API details (title, 4 authors, posted 2026-10-12, v1, new results, CC BY, corresponding institution IMRIC Jerusalem, abstract) fetched 2026-10-20; full text not read; KB id VC0169 (renumbered 2026-10-20)

基准评测与验证基础模型单细胞 RNA 测序零样本

在可检索文献库中打开 → · JSON