Single-cell sequencing transformed biology and medicine, providing an unprecedented high-resolution view at the cellular level. However, the vast variability inherent in single-cell sequencing data impedes its utility for in-depth downstream analysis. Inspired by the foundation models in natural language processing, recent advancements have led to the development of single-cell Large Language Models (scLLMs). These models are designed to discern universal patterns across diverse single-cell datasets, thereby enhancing the signal-to-noise ratio. Despite their potential, multiple studies indicate existing scLLMs do not perform well in zero-short settings, highlighting a pressing need for more effective adaptation techniques. This research proposes several adaptation techniques for scLLMs by preserving the original model parameters while selectively updating newly introduced tensors. This approach aims to overcome the limitations associated with traditional fine-tuning practices, such as catastrophic forgetting and computational inefficiencies. We introduce two Parameter-Efficient Fine-Tuning (PEFT) strategies specifically tailored to refine scLLMs for cell type identification. Our investigations utilizing scGPT demonstrate that PEFT can enhance performance, with the added benefit of up to a 90% reduction in parameter training compared to conventional fine-tuning methodologies. This work paves the way for a new direction in leveraging single-cell models with greater efficiency and efficacy in single-cell biology.

Abstract LncRNAs are involved in modulating the individual risk and the severity of progression in metabolic dysfunction-associated fatty liver disease (MASLD), but their precise roles remain largely unknown. This study aimed to investigate the role of lncRNA Snhg3 in the development and progression of MASLD, along with the underlying mechanisms. In vitro and in vivo experiments revealed that Snhg3 is involved in lipid metabolism and steatosis. The result showed that Snhg3 was significantly downregulated in the liver of high-fat diet-induced obesity (DIO) mice. Notably, palmitic acid promoted the expression of Snhg3 and overexpression of Snhg3 increased lipid accumulation in primary hepatocytes. Furthermore, hepatocyte-specific Snhg3 deficiency decreased body and liver weight, alleviated hepatic steatosis and promoted hepatic fatty acid metabolism in DIO mice, whereas overexpression induced the opposite effect. Mechanistically, Snhg3 promoted the expression, stability and nuclear localization of SND1 protein via interacting with SND1, thereby inducing K63-linked ubiquitination modification of SND1. Moreover, Snhg3 decreased the H3K27me3 level and induced SND1-mediated chromatin loose remodeling, thus reducing H3K27me3 enrichment at the Ppar γ promoter and enhancing Ppar γ expression. The administration of PPARγ inhibitor T0070907 improved Snhg3 -aggravated hepatic steatosis. Our study revealed a new signaling pathway, Snhg3 /SND1/H3K27me3/PPARγ, responsible for MASLD and indicates that lncRNA-mediated epigenetic modification has a crucial role in the pathology of MASLD.