/ Модель

Характеристики

Архитектура
BulkRNABert · dense
Библиотека
transformers
Опубликована
24 июн 2025

BulkRNABert

ЭмбеддингиТекст → embedding3 профессии

BulkRNABert извлекает представления профилей bulk RNA-seq для последующих задач анализа рака, включая классификацию типов опухолей и оценку выживаемости.

550скачиваний за 30 дней4лайкавеса обновлены10 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

BulkRNABert — энкодерная трансформерная модель, разработанная InstaDeep и предварительно обученная на профилях bulk RNA-seq из набора TCGA. Она использует самоконтролируемое маскирование: модель восстанавливает случайно скрытые значения экспрессии генов с учётом их геномного контекста и формирует биологически значимые представления транскриптомных профилей.

Модель предназначена для извлечения эмбеддингов bulk RNA-seq и их последующего использования в задачах классификации типов рака и анализа выживаемости. Для инференса README описывает использование Transformers и PyTorch; также доступны параметры модели для JAX. Репозиторий содержит веса в формате safetensors.

Это специализированная модель для транскриптомных данных, а не универсальная языковая модель. README отмечает, что для работы на момент публикации требовалась версия Transformers из исходного кода; результаты downstream-задач требуют отдельной настройки или классификатора. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение эмбеддингов профилей bulk RNA-seq
  • классификация типа рака по экспрессии генов
  • анализ выживаемости на основе транскриптомных профилей
  • представление образцов TCGA для downstream-классификатора

Ограничения

Модель обучена на bulk RNA-seq из TCGA и ориентирована на транскриптомные профили; её применение к другим данным может потребовать проверки и адаптации. README указывает, что на момент публикации для использования требовалась версия Transformers, установленная из исходного кода.

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

BulkRNABert

BulkRNABert is a transformer-based, encoder-only language model pre-trained on bulk RNA-seq profiles from the TCGA dataset using self-supervised masked language modeling, following the original BERT framework. The model is trained to reconstruct randomly masked gene expression values from their genomic context, enabling it to learn biologically meaningful representations of transcriptomic profiles. Once pre-trained, BulkRNABert can be fine-tuned for various cancer-related downstream tasks—such as cancer type classification or survival analysis—by extracting embeddings from the model.

Developed by: InstaDeep

Model Sources

How to use

Until its next release, the transformers library needs to be installed from source using the following command to use the models. PyTorch should also be installed.

pip install --upgrade git+https://github.com/huggingface/transformers.git
pip install torch

Other notes

We also provide the params for the BulkRNABert jax model in jax_params.

A small snippet of code is provided below to run inference with the model using bulk RNA-seq samples from the TCGA dataset.

from huggingface_hub import hf_hub_download
import numpy as np
import pandas as pd
from transformers import AutoConfig, AutoModel, AutoTokenizer

# Load model and tokenizer.
config = AutoConfig.from_pretrained(
    "InstaDeepAI/BulkRNABert",
    trust_remote_code=True,
)
config.embeddings_layers_to_save = (4,) # last transformer layer

tokenizer = AutoTokenizer.from_pretrained("InstaDeepAI/BulkRNABert", trust_remote_code=True)
model = AutoModel.from_pretrained(
    "InstaDeepAI/BulkRNABert",
    config=config,
    trust_remote_code=True,
)

# Load bulk RNA-seq data and preprocess them.
csv_path = hf_hub_download(
    repo_id="InstaDeepAI/BulkRNABert",
    filename="data/tcga_sample.csv",
    repo_type="model",
)
gene_expression_array = pd.read_csv(csv_path).drop(["identifier"], axis=1).to_numpy()[:1, :]
gene_expression_array = np.log10(1 + gene_expression_array)
assert gene_expression_array.shape[1] == config.n_genes

# Tokenize
gene_expression_ids = tokenizer.batch_encode_plus(gene_expression_array, return_tensors="pt")["input_ids"]

# Compute BulkRNABert's embeddings
gene_expression_mean_embeddings = model(gene_expression_ids)["embeddings_4"].mean(axis=1)  # embeddings can be used for downstream tasks.

Citing our work

@InProceedings{pmlr-v259-gelard25a,
  title = 	 {BulkRNABert: Cancer prognosis from bulk RNA-seq based language models},
  author =       {G{\'{e}}lard, Maxence and Richard, Guillaume and Pierrot, Thomas and Courn{\`{e}}de, Paul-Henry},
  booktitle = 	 {Proceedings of the 4th Machine Learning for Health Symposium},
  pages = 	 {384--400},
  year = 	 {2025},
  editor = 	 {Hegselmann, Stefan and Zhou, Helen and Healey, Elizabeth and Chang, Trenton and Ellington, Caleb and Mhasawade, Vishwali and Tonekaboni, Sana and Argaw, Peniel and Zhang, Haoran},
  volume = 	 {259},
  series = 	 {Proceedings of Machine Learning Research},
  month = 	 {15--16 Dec},
  publisher =    {PMLR},
  url = 	 {https://proceedings.mlr.press/v259/gelard25a.html},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
BulkRNABert
Ревизия весов
7bcae6a

0 моделей