人工智能大模型基础模型预训练生物信息学科研【免费下载链接】scFM-dataselection项目地址https://ai.gitcode.com/hf_mirrors/microsoft/scFM-dataselection点击查看免费下载scFM-dataselection 是微软发布的单细胞基础模型预训练检查点集合配套 Nature Methods2026论文包含 455 个模型文件Geneformer、scVI、SSL 与 PCA 组件。在使用这些模型权重前你需要先搞清楚两件事哪些文件受哪种开源许可保护以及在论文中如何正确引用。本指南帮你一次理清 MIT 与 Apache-2.0 的许可边界和学术引用规范。项目一分钟速览在谈许可之前先确认你要下载的是什么内容数量说明Geneformer 检查点125不同数据规模1%–100%与采样策略训练scVI 检查点125同上SSL/MLP 检查点125自监督学习模型PCA 组件矩阵80.npy格式的投影矩阵合计455完整下载约22.4 GB所有模型目录、训练设置都可以从 model-index.csv 查到许可声明的权威入口是根目录的 LICENSE 与 THIRD_PARTY_NOTICES.md。许可总览两份 MIT、一份 Apache-2.0 本仓库并非单一 MIT 许可而是三种许可并存。下表是快速对照组件许可版权方完整条款位置模型权重、PCA 组件、加载代码MITMicrosoft Corporationlicenses/scFM-dataselection-MIT.txtSSL 源码base.py、cellnet_autoencoder.pyMITTill Richter (2024)licenses/ssl_in_scg-MIT.txtGeneformer tokenizer 字典3 个.pkl文件Apache-2.0Geneformer 原作者licenses/Geneformer-Apache-2.0.txt三个容易踩坑的边界问题两个 MIT 的版权方不同。主体代码tools/加载工具、基因顺序文件 public-resources/sctab/adata_var.csv版权归 Microsoft而 public-resources/ssl-source/ 下的 SSL 实现来自第三方项目 ssl_in_scg版权归 Till Richter。重新分发时请分别保留两处版权声明。Geneformer 权重 ≠ 上游 Geneformer 预训练权重。THIRD_PARTY_NOTICES.md 明确说明仓库中的 Geneformer 检查点是本研究自己训练的模型MIT 保护只有 public-resources/geneformer/ 下的三个 tokenizer 字典token_dictionary.pkl、gene_median_dictionary.pkl、gene_name_id_dict.pkl沿用 Apache-2.0。scTab 语料不包含在本仓库内。原始数据集需按其自身渠道获取并遵守其使用条款——这部分不落在本仓库许可范围内。MIT 和 Apache-2.0 分别允许你做什么⚖️ 对新手来说这两个都是宽松的 OSI 认证开源许可日常科研使用几乎无限制可以做免费使用、复制、修改、合并、再分发甚至商用MIT 条款明确包含 sell copies。必须做MIT在所有副本或实质性部分中保留版权声明与许可声明Apache-2.0保留版权与许可声明若分发包含NOTICE文件的内容也需保留该声明。不能指望两者均以 AS IS 提供不提供任何明示或暗示担保不保证适销性、适用性、无侵权。科研用途请以论文方法为准遇到问题可到论文代码仓库的 issue 区提问。 实践建议若你只是加载检查点做分析使用 tools/ 中的load_model基本只需在论文中正确引用即可若你二次分发或封装了这些模型例如打进你自己的工具包务必随附 LICENSE 及对应第三方声明。Nature Methods 论文引用规范 仓库通过 CITATION.cff 机器可读地声明了引用要求凡使用该检查点集合请引用已发表的 Nature Methods 论文。标准引用格式Nature 期刊体例DenAdel, A., Hughes, M., Thoutam, A., Gupta, A., Navia, A. W., Fusi, N., Raghavan, S., Winter, P. S., Amini, A. P. Crawford, L. Evaluating the role of pretraining dataset size and diversity on single-cell foundation model performance.Nature Methods23, 1447–1457 (2026).论文标题Evaluating the role of pretraining dataset size and diversity on single-cell foundation model performance期刊与卷期Nature MethodsVol. 23Issue 72026DOI10.1038/s41592-026-03120-y如果篇幅受限也可使用简写形式DenAdel et al., Nature Methods 23, 1447-1457 (2026)这与 README.md Citation 一节给出的格式一致。完整作者列表与 DOI 已写入 CITATION.cff 的preferred-citation字段Zotero 等文献管理工具可直接导入。关键文件速查表用途文件主许可MITMicrosoftLICENSE机器可读引用声明CITATION.cff第三方许可与版权归属THIRD_PARTY_NOTICES.md三份子许可全文licenses/Apache-2.0 的 tokenizer 字典public-resources/geneformer/第三方 MIT 的 SSL 源码public-resources/ssl-source/455 个模型的目录与训练参数model-index.csv运行时依赖Python 3.10requirements.txt使用前检查清单✅ 下载前确认磁盘空间约 22.4 GB运行环境为 Python 3.10 ✅ 分发前保留 LICENSE 及 licenses/ 下的版权声明MIT 与 Apache-2.0 文件不要混淆版权方 ✅ 发表前在正文或致谢中引用 Nature Methods 2026 论文见上文标准格式 ✅ 数据处理涉及 scTab 语料时单独遵守该数据集的获取条款。把这三步做到你就既守住了 MIT 与 Apache-2.0 的许可边界也完成了对原作者的规范学术引用。赞分享人工智能大模型基础模型预训练生物信息学科研【免费下载链接】scFM-dataselection项目地址https://ai.gitcode.com/hf_mirrors/microsoft/scFM-dataselection点击查看免费下载相关推荐从不知道做什么到作品集级项目Project-Ideas-And-Resources 完整上手指南从不知道做什么到作品集级项目Project Ideas And Resources 完整上手指南 面试官问你独立做过完整应用吗多数人答不出一个能当场InternVideo2-Stage2-6B-Audio 学术引用与合规使用Model Card 规范与 Apache-2.0 许可全解读InternVideo2 Stage2 6B Audio 学术引用与合规使用Model Card 规范与 Apache 2.0 许可全解读 InternVidQwen3-TTS-GGUF商用许可指南Apache 2.0模型 MIT引擎合规清单Qwen3 TTS GGUF商用许可指南Apache 2.0模型 MIT引擎合规清单 Qwen3 TTS GGUF 是 Qwen3 TTS 多语言语人工智能语音模型量化本地部署创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
