/ Модель

Характеристики

Контекст
512 токенов
Параметры
116 млн
Архитектура
bert · dense
Библиотека
transformers
Опубликована
13 фев 2025

BacteriaCDS-DNABERT-K6-89M

Заполнение пропусковТекст → текст3 профессии

Дообученная на DNABERT модель классифицирует кодирующие последовательности ДНК в бактериальных геномах.

80скачиваний за 30 дней1лайквеса обновлены14 фев 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

BacteriaCDS-DNABERT-K6-89M — модель на основе DNABERT, разработанная для классификации кодирующих последовательностей (CDS) в бактериальных геномах. Она дообучена на задаче классификации последовательностей ДНК и принимает фрагмент открытой рамки считывания длиной до 510 нуклеотидов с конца последовательности, разбитый на токены 6-меров.

Модель использует архитектуру BERT для классификации последовательностей, реализована на Transformers и PyTorch. В метаданных указано 116,4 млн параметров, а в README — 89 млн обучаемых параметров; максимальная длина входа составляет 512 токенов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • классификация CDS в бактериальных геномах
  • проверка, является ли фрагмент бактериальной ДНК кодирующей последовательностью
  • анализ открытых рамок считывания бактерий

Ограничения

Вход должен быть представлен 6-мерными токенами; модель описана для фрагмента открытой рамки считывания длиной до 510 нуклеотидов. Данные не устанавливают применимость к другим организмам или типам геномных последовательностей.

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

BacteriaCDS-DNABERT-K6-89M

This model, BacteriaCDS-DNABERT-K6-89M, is a DNA sequence classifier based on DNABERT trained for coding sequence (CDS) classification in bacterial genomes. It operates on 6-mer tokenized sequences and was fine-tuned using 89M trainable parameters.

Model Details

  • Base Model: DNABERT
  • Task: Bacterial CDS Classification
  • K-mer Size: 6
  • Input Sequence: Open Reading Frame(Last 510 nucleotides from end of the sequence)
  • Number of Trainable Parameters: 89M
  • Max Sequence Length: 512
  • Precision Used: AMP (Automatic Mixed Precision)

Install Dependencies

Ensure you have transformers and torch installed:

pip install torch transformers

Load Model & Tokenizer

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

# Load Model
model_checkpoint = "Genereux-akotenou/BacteriaCDS-DNABERT-K6-89M"
model = AutoModelForSequenceClassification.from_pretrained(model_checkpoint)
tokenizer = AutoTokenizer.from_pretrained(model_checkpoint)

Inference Example

This model works with 6-mer tokenized sequences. You need to convert raw DNA sequences into k-mer format:

def generate_kmer(sequence: str, k: int, overlap: int = 1):
    return " ".join([sequence[j:j+k] for j in range(0, len(sequence) - k + 1, overlap)])

sequence = "ATGAGAACCAGCCGGAGACCTCCTGCTCGTACATGAAAGGCTCGAGCAGCCGGGCGAGGGCGGTAG" 
seq_kmer = generate_kmer(sequence, k=6, overlap=3)

# Run inference
inputs = tokenizer(
  seq_kmer,
  return_tensors="pt",
  max_length=tokenizer.model_max_length,
  padding="max_length",
  truncation=True
)
with torch.no_grad():
  outputs = model(**inputs)
  logits = outputs.logits
  predicted_class = torch.argmax(logits, dim=-1).item()

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
DNABertForSequenceClassification
Ревизия весов
f1adb8a

0 моделей