scMulan

用大模型统一搞定单细胞分析多任务，零样本也能预测

scMulan 是一个面向单细胞分析的多任务生成式预训练语言模型，源自同名论文的开源实现。它旨在解决单细胞测序数据解析中的多任务统一建模问题，将基因表达、细胞类型注释、扰动预测、药物反应等任务整合到一个生成式框架中。核心能力包括：基于大规模单细胞转录组数据的预训练，支持多种下游任务的微调与零样本推断，以及统一的自然语言交互接口。项目以 Jupyter Notebook 为主要载体，提供模型训练、推理和评估的示例代码，便于研究者复现论文结果并扩展应用。目前处于早期阶段，代码库和文档仍在完善中。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 63
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队SuperBianC
所属国家
官网地址
GitHubhttps://github.com/SuperBianC/scMulan
定价模式free
价格说明开源模型，MIT许可证，完全免费，需自行部署。
访问状态
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型foundation-models,gpt,single-cell
GitHub 星标★ 63
30天Star增速
HF 下载量
上线时间2023-11-08 00:00:00
最近更新2026-09-19 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 多任务统一：一个模型覆盖细胞注释、扰动预测、药物反应等，避免为每个任务单独训练
  • 生成式预训练：基于大规模单细胞数据预训练，具备零样本推断能力，新任务无需重新训练
  • 论文开源：代码与论文同步发布，便于复现和二次开发

不足之处

  • 文档/社区待观察
  • 依赖 Jupyter Notebook，工程化部署和批量处理支持较弱

适用场景

  • 单细胞转录组数据的细胞类型自动注释
  • 基因扰动或药物处理后的细胞状态预测
  • 跨数据集、跨任务的单细胞分析统一建模

替代项目

scGPT、Geneformer、scBERT

项目介绍

scMulan 是开源模型领域的开源项目，由 SuperBianC 开发，2023 年首次发布。

它收录于开源模型分类，该分类目前共有 422 个项目，GitHub 星标数为 63。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。MIT许可证，完全免费，需自行部署。

它主要面向的使用场景是：单细胞转录组数据的细胞类型自动注释。同类可对比的替代方案包括 scGPT、Geneformer、scBERT。

上一篇：GTT

下一篇：GFT

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10