单细胞转录组测序技术的快速发展，让人类能够以前所未有的分辨率观测基因表达状态。然而，基因调控网络的复杂性、疾病样本稀缺、以及批次效应等问题，使得传统的监督学习方法在许多生物学任务上难以取得稳定的效果。迁移学习和大规模预训练模型为这些问题提供了新的思路：先在海量无标注数据上学习通用的“基因语言”，再在小样本下游任务上进行微调。Geneformer正是这样一款面向单细胞转录组的基础 Transform

单细胞转录组测序技术的快速发展，让人类能够以前所未有的分辨率观测基因表达状态。然而，基因调控网络的复杂性、疾病样本稀缺、以及批次效应等问题，使得传统的监督学习方法在许多生物学任务上难以取得稳定的效果。迁移学习和大规模预训练模型为这些问题提供了新的思路：先在海量无标注数据上学习通用的“基因语言”，再在小样本下游任务上进行微调。Geneformer正是这样一款面向单细胞转录组的基础 Transform

再在finalshell中重新修改IP地址就连接成功了。