/ Модель

Характеристики

Контекст
1 024 токена
Параметры
42,5 млн
Лицензия
Apache 2.0
Архитектура
roformer · dense
Библиотека
transformers
Опубликована
21 сен 2026

AlphaGenome-50M

Заполнение пропусковТекст → текст

Дообученная модель RoFormer для извлечения признаков из ДНК и анализа функционального эффекта генетических вариантов.

49скачиваний за 30 дней0лайковвеса обновлены2 окт 2026

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

AlphaGenome-50M — дообученная модель ItsnotAilabs для анализа последовательностей ДНК и оценки функционального воздействия генетических вариантов. Она основана на InstaDeepAI/nucleotide-transformer-v2-50m-multi-species и использует архитектуру RoFormer с 42,5 млн параметров; в README также указаны 12 слоёв и 12 голов внимания. Модель принимает последовательность из символов A, T, C и G, разбивает её на 6-меры и поддерживает контекст до 1024 токенов.

Модель предназначена для анализа некодирующих вариантов, классификации цис-регуляторных элементов и получения эмбеддингов ДНК для последующих задач машинного обучения. README также заявляет анализ эффектов вариантов по данным RNA-seq, DNase и ChIP, разрешение типов тканей через онтологии UBERON/CL и сканирование окон насыщенного мутагенеза. Репозиторий указывает датасеты Ensembl, ClinVar и gnomAD. Основной язык карточки — английский; входные данные представлены последовательностями ДНК.

Модель распространяется по лицензии Apache-2.0. Предсказания привязаны к контексту человеческого референсного генома GRCh38, а качество может снижаться на высокоповторяющихся участках. Результаты предназначены для исследовательского анализа и требуют экспериментальной проверки и экспертной оценки; их нельзя использовать как самостоятельное основание для клинических решений.

Сценарии применения

  • оценка эффекта некодирующих генетических вариантов
  • классификация цис-регуляторных элементов
  • получение эмбеддингов последовательностей ДНК
  • анализ эффектов вариантов по данным RNA-seq, DNase и ChIP
  • сканирование окон насыщенного мутагенеза

Ограничения

Предсказания ориентированы на контекст человеческого референсного генома GRCh38, а качество на высокоповторяющихся участках может снижаться. Результаты требуют экспериментальной проверки и экспертной оценки и не предназначены для самостоятельных клинических решений.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MedinaMemorySystems/AlphaGenome-50M

License: Apache 2.0 Parameters: 50M Pipeline: Feature Extraction Framework: PyTorch/ONNX Modality: DNA Hardware: CPU/GPU

Model Description

AlphaGenome-50M is a state-of-the-art genomic sequence embedding and variant impact prediction model. Fine-tuned from the InstaDeepAI/nucleotide-transformer-v2-50m-multi-species base model, it is specifically designed for non-coding variant analysis and regulatory element classification.

The model leverages the Nucleotide Transformer architecture to capture complex genomic patterns. It uniquely provides Variant Impact Scores (AVI) and facilitates single-variant effect analysis across RNA-seq, DNASE, and ChIP assays. Furthermore, it supports tissue-type ontology resolution (UBERON/CL), saturation mutagenesis window scanning, and seamless extraction of GENCODE v46 coordinates.

Intended Uses

The primary use cases for AlphaGenome-50M include:

  • Predicting the functional impact of genetic variants, particularly in non-coding regions.
  • Classifying cis-regulatory elements (cCREs).
  • Embedding genomic sequences for downstream biological machine learning tasks.
  • Analyzing single-variant effects across multiple assay types (RNA-seq, DNASE, ChIP).

Genomic Sequence Representation

Sequences are represented using 6-mer tokenization with a BPE nucleotide vocabulary. The max context length is 1024 tokens. Input strings should be pure DNA sequences consisting of A, T, C, G characters.

Architecture Details

AlphaGenome-50M is based on the Nucleotide Transformer v2 architecture:

  • Parameters: 50M
  • Layers: 12
  • Attention Heads: 12
  • Hidden Dimension: 512
  • Max Context Length: 1024 tokens
  • Tokenization: 6-mer tokenization with a BPE nucleotide vocabulary

System Prompt / Prompting Template

While AlphaGenome-50M is a sequence feature extraction model rather than an instruction-tuned LLM, it requires specific input formatting. Do not use special control tokens like <s> or [CLS] manually unless bypassing the tokenizer. Pass the raw nucleotide string.

Sequence format: <DNA_STRING>
Example: ATGCGTACGTTAGCTAGCTAGCTAGCTAGCTAGC

Quantization & Inference Speed Table

Format / PrecisionMemory FootprintLatency (CPU, per seq)Latency (GPU T4, per seq)
FP32 (Base)~200 MB45 ms12 ms
FP16 (Half)~100 MB30 ms6 ms
INT8 (Quantized)~50 MB20 ms4 ms
GGUF/Q4_K_M~30 MB15 msN/A

Benchmark Results

AlphaGenome-50M was evaluated on several genomic benchmarks:

Benchmark / TaskMetricScore (Estimated)
ClinVar PathogenicAUC0.87
ENCODE cCRE ClassificationF10.82
Variant Effect CorrelationSpearman0.71
Empirical Genomic Variant ImpactAUC0.4810
Sequence Processing Throughputseq/s8.93

Python Usage Example (Transformers & Biopython)

You can use this model with the transformers library to encode DNA sequences and integrate with Biopython to parse FASTA files:

from transformers import AutoTokenizer, AutoModel
from Bio import SeqIO
import torch

# Load model and tokenizer
model_name = "MedinaMemorySystems/AlphaGenome-50M"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

# Parse a sequence using Biopython
record = next(SeqIO.parse("example.fasta", "fasta"))
dna_sequence = str(record.seq)

# Encode the DNA sequence
inputs = tokenizer(dna_sequence, return_tensors="pt", truncation=True, max_length=1024)

with torch.no_grad():
    outputs = model(**inputs)

# Extract sequence embeddings
embeddings = outputs.last_hidden_state
print(f"Embedding shape: {embeddings.shape}")

Ethics, Biosafety Note & Limitations

  • Biosafety Note: This model provides variant impact predictions which are strictly for research purposes. It must not be used to make independent clinical decisions or guide human diagnostic processes without rigorous experimental validation and expert review.
  • The model's predictions are specific to the GRCh38 human reference genome context.
  • While it performs well on regulatory elements, performance on highly repetitive regions may be degraded due to 6-mer tokenization.

Citation

@misc{medinamemorysystems2026alphagenome,
  title={AlphaGenome-50M: Genomic Sequence Embedding and Variant Impact Prediction},
  author={MedinaMemorySystems},
  year={2026},
  publisher={Hugging Face}
}

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
RoFormerForMaskedLM
Ревизия весов
fa2397d

0 моделей