/ Модель

Характеристики

Контекст
102 токена
Параметры
113 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
2 ноя 2025

H3BERTa

Заполнение пропусковТекст → текст3 профессии

RoBERTa-модель для получения эмбеддингов и оценки вариантов аминокислотных последовательностей CDR-H3 антител.

1 131скачиваний за 30 дней0лайковвеса обновлены3 ноя 2025

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

H3BERTa — языковая модель на архитектуре RoBERTa-base, разработанная для анализа CDR-H3 антител. Это энкодер с 113,3 млн параметров, обученный на более чем 17 млн последовательностей CDR-H3 из репертуаров здоровых доноров в наборе OAS. Модель принимает аминокислотные последовательности длиной до 100 остатков; словарь включает 20 стандартных аминокислот и специальные токены, в том числе [MASK].

Модель предназначена для получения эмбеддингов последовательностей CDR-H3, оценки вероятности вариантов и мутаций методом псевдоправдоподобия, а также предсказания аминокислот в замаскированных позициях. Эмбеддинги можно использовать для кластеризации, поиска сходных последовательностей и последующих задач машинного обучения, включая выявление bnAbs после дополнительной настройки. На вход следует подавать только последовательность CDR-H3 без начального C и конечного W, без пробелов и разделителей.

Модель доступна под лицензией MIT. Она обучена на репертуарах здоровых доноров, поэтому её оценки отражают закономерности этих данных и сами по себе не подтверждают связывание, эффективность или клиническую пригодность антитела.

Сценарии применения

  • получение эмбеддингов последовательностей CDR-H3
  • кластеризация репертуара антител по CDR-H3
  • поиск сходных последовательностей CDR-H3
  • оценка влияния точечной мутации в CDR-H3
  • предсказание аминокислоты в замаскированной позиции CDR-H3
  • подготовка признаков для выявления bnAbs

Ограничения

Модель рассчитана на последовательности CDR-H3 длиной до 100 аминокислот и ожидает их без начального C и конечного W. Обучение на репертуарах здоровых доноров ограничивает переносимость оценок на другие источники данных; предсказания не являются подтверждением клинической пригодности антител.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

H3BERTa: A CDR-H3-specific Language Model for Antibody Repertoire Analysis

Model ID: Chrode/H3BERTa
Architecture: RoBERTa-base (encoder-only, Masked Language Model)
Sequence type: Heavy chain CDR-H3 regions
Training: Pretrained on >17M curated CDR-H3 sequences from healthy donor repertoires (OAS, IgG/IgA sources)
Max sequence length: 100 amino acids
Vocabulary: 25 tokens (20 standard amino acids + special tokens)
Mask token: [MASK]


Official github repository is available here.

Model Overview

H3BERTa is a transformer-based language model trained specifically on the Complementarity-Determining Region 3 of the heavy chain (CDR-H3), the most diverse and functionally critical region of antibodies.
It captures the statistical regularities and biophysical constraints underlying natural antibody repertoires, enabling embedding extraction, variant scoring, and context-aware mutation predictions.


Intended Use

  • Embedding extraction for CDR-H3 repertoire analysis
  • Mutation impact scoring (pseudo-likelihood estimation)
  • Downstream fine-tuning (e.g., bnabs identification)

How to Use

Input format: CDR-H3 sequences must be provided as plain amino acid strings (e.g., "ARDRSTGGYFDY") without the initial “C” or terminal “W” residues, and without whitespace or separators between amino acids.

from transformers import AutoTokenizer, AutoModel

model_id = "Chrode/H3BERTa"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModel.from_pretrained(model_id)

Example #1: Embeddings extraction

Extract per-sequence embeddings useful for clustering, similarity search, or downstream ML models.

from transformers import pipeline
import torch, numpy as np

feat = pipeline(
    task="feature-extraction",
    model="Chrode/H3BERTa",
    tokenizer="Chrode/H3BERTa",
    device=0 if torch.cuda.is_available() else -1
)

seqs = [
    "ARMGAAREWDFQY",
    "ARDGLGEVAPDYRYGIDV"
]

with torch.no_grad():
    outs = feat(seqs)

# Mean pooling across tokens → per-sequence embedding
embs = [np.array(o).mean(axis=0) for o in outs]
print(len(embs), embs[0].shape)

Example #2: Masked-Language Modeling (Mutation Scoring)

Predict likely amino acids for masked positions or evaluate single-site mutations.

from transformers import pipeline, AutoTokenizer

model_id = "Chrode/H3BERTa"
tok = AutoTokenizer.from_pretrained(model_id)

mlm = pipeline(
    task="fill-mask",
    model=model_id,
    tokenizer=tok,
    device=0
)

# Example: predict missing residue
seq = "CARDRS[MASK]GGYFDYW".replace("[MASK]", tok.mask_token)
preds = mlm(seq, top_k=10)

for p in preds:
    print(p["token_str"], round(p["score"], 4))

# Score a specific point mutation
AMINO = list("ACDEFGHIKLMNPQRSTVWY")

def score_point_mutation(seq, idx, mutant_aa):
    masked = seq[:idx] + tok.mask_token + seq[idx+1:]
    preds = mlm(masked, top_k=len(AMINO))
    for p in preds:
        if p["token_str"] == mutant_aa:
            return p["score"]
    return 0.0

wt = "ARDRSTGGYFDY"
print("R→A @ pos 3:", score_point_mutation(wt, 3, "A"))

Citation

If you use this model, please cite:

Rodella C. et al. H3BERTa: A CDR-H3-specific language model for antibody repertoire analysis.

  • under review.

License

The model and tokenizer are released under the MIT License. For commercial or large-scale applications, please contact the authors to discuss licensing or collaboration.

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForMaskedLM
Ревизия весов
7594a69

0 моделей