/ Модель

Характеристики

Контекст
1 026 токенов
Параметры
865 млн
Архитектура
proprime · dense
Библиотека
transformers
Опубликована
24 июл 2024

Prime_690M

Заполнение пропусковТекст → текст5 профессий

Prime_690M — белковая языковая модель AI4Protein для извлечения признаков последовательностей и предсказания свойств белков, включая эффекты мутаций.

1 531скачиваний за 30 дней6лайковвеса обновлены21 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Prime_690M — белковая языковая модель семейства ProPrime, опубликованная организацией AI4Protein. Она предназначена для анализа белковых последовательностей, включая извлечение признаков, предсказание оптимальной температуры роста и оценку влияния мутаций на стабильность и активность белка. Официальный проект Pro-Prime описывает температурно-направленное языковое моделирование и zero-shot предсказание эффектов мутаций.

Модель имеет около 865 млн параметров, архитектуру ProPrimeForPretraining и максимальную длину последовательности 1026 токенов. В карточке Hugging Face указан pipeline feature-extraction; модель также поддерживает задачу fill-mask. На вход подаются белковые последовательности, на выходе — векторные признаки или предсказания для белковой инженерии.

Карточка Hugging Face автоматически сгенерирована и не содержит сведений о лицензии, данных обучения или подробной оценке ограничений; для загрузки через Transformers требуется trust_remote_code=True. Источники не подтверждают поддержку естественных языков.

Сценарии применения

  • Извлечение векторных признаков из белковых последовательностей
  • Предсказание влияния мутаций на стабильность белка
  • Оценка влияния мутаций на активность белка
  • Предсказание оптимальной температуры роста белка
  • Заполнение маскированных токенов в белковой последовательности

Ограничения

Модель обрабатывает белковые последовательности и ограничена максимальной длиной 1026 токенов. Карточка не описывает лицензию, данные обучения и оценку качества; для загрузки через Transformers требуется разрешить доверенный код репозитория.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
ProPrimeForPretraining
Ревизия весов
7b75010

0 моделей