Характеристики

Контекст: 2 048 токенов
Параметры: 113 млн
Архитектура: ProSST · dense
Библиотека: transformers
Опубликована: 4 июл 2024

Ссылки

Hugging Face arXiv 1910.09700

ProSST-2048

Заполнение пропусковТекст → текст3 профессии

ProSST-2048 — белковая Transformer-модель, которая учитывает последовательность и структуру для анализа белков и прогнозирования эффектов мутаций.

2 074скачиваний за 30 дней1лайквеса обновлены4 июл 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

ProSST-2048 — предобученная белковая языковая модель, разработанная авторами проекта ProSST для анализа аминокислотных последовательностей с учётом структуры белка. Модель представлена как masked language model на базе Transformer с раздельным механизмом внимания к последовательности и структурным токенам; вариант 2048 использует словарь из 2048 структурных токенов. В метаданных указано 113,3 млн параметров.

Модель предназначена для восстановления замаскированных белковых токенов и получения представлений белков; авторы также демонстрируют её применение для безобучающего предсказания эффектов мутаций и downstream-задач. Она объединяет информацию о последовательности и локальной структуре, а предобучение проводилось на миллионах структур белков. Это модель для белковых данных, а не естественного языка; в работе отмечено, что нарушения или неточности в структурных данных могут ограничивать качество структурно-зависимых прогнозов. Код проекта распространяется по лицензии CC BY-NC-ND 4.0.

Сценарии применения

восстановление замаскированных токенов белковой последовательности
безобучающее ранжирование вариантов белковых мутаций
получение контекстных представлений белков для downstream-задач
анализ белка с использованием последовательности и структурных токенов

Ограничения

Для структурно-зависимых прогнозов качество зависит от точности входных структур белков; авторы отмечают возможное снижение качества на белках с неупорядоченными областями. Лицензия проекта — CC BY-NC-ND 4.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

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: ProSSTForMaskedLM
Ревизия весов: e94ffee