/ Модель

Характеристики

Контекст
512 токенов
Параметры
132 млн
Архитектура
gemma2 · dense
Опубликована
26 июл 2024

ProGemma

Генерация текстаТекст → текст3 профессии

Экспериментальная модель на базе Gemma 2 для генерации белковых последовательностей и сравнения с ProtGPT.

137скачиваний за 30 дней0лайковвеса обновлены4 сен 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

JuIm/ProGemma — экспериментальный вариант Gemma 2 от JuIm, настроенный для предобучения на последовательностях аминокислот длиной до 512 остатков. Модель предназначена для генерации белковых последовательностей и исследования отличий такой генерации от ProtGPT на базе GPT-2.

В карточке описан промежуточный чекпойнт: на дату обновления он прошёл около 80% обучающего набора в первой эпохе; автор сообщает о потерях обучения около 2,6 и оценках perplexity и AlphaFold 3, в целом сопоставимых с ProtGPT для последовательностей длиной до 250 аминокислот. Для более надёжных выводов требуется дополнительное тестирование. Конфигурация основана на Gemma 2, имеет 132,1 млн параметров, контекст 512 токенов и сохранена в safetensors. Карточка рекомендует вместо неё использовать JuIm/ProGemma2. Лицензия в доступных данных не указана.

Сценарии применения

  • генерация аминокислотных последовательностей длиной до 512 остатков
  • исследование генерации белковых последовательностей языковыми моделями
  • сравнение генерации белков моделями на базе Gemma 2 и GPT-2
  • экспериментальная оценка последовательностей белков с помощью AlphaFold 3

Ограничения

Это незавершённый исследовательский чекпойнт с обучением на первой эпохе; автор отмечает необходимость более основательного тестирования, особенно для последовательностей длиннее 250 аминокислот. Карточка рекомендует использовать JuIm/ProGemma2.

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

ProGemma

Please see JuIm/ProGemma2 instead

This is a custom configuration of Google’s Gemma 2 LLM that is being pre-trained on amino acid sequences of 512 AA or less in length. Periodic updates are made to this page as training reaches new checkpoints.

The purpose of this model was to investigate the differences between ProGemma and ProtGPT (GPT-2 architecture) as it pertains to sequence generation. As of 8.22.2024, ProGemma has been trained on ~80% of the training dataset and is still on epoch 1. Training loss is ~2.6. Perplexity scores as well as AlphaFold 3’s ptm, pLDDT, and iptm scores are generally in line with ProtGPT’s scores for sequence lengths < 250, although the testing phase is still very early. I have yet to do testing for sequence lengths > 250. More robust testing is also required for lengths < 250 AA. In my very preliminary testing, HHblit e-values of ~0.1 are achieved with relatively easily.

Controlled generation is not a capability of this model, and therefore serves as a method to significantly improve generation as, in principal, a sequence that performs a given function or resides in a particular cellular location can be generated.

In sequence generation, a top_k of 950 appears to work well as it prevents repetition. This is also seen in ProtGPT.

Below is code using the Transformers library to generate sequences using ProGemma.

from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("JuIm/ProGemma")

tokenizer = AutoTokenizer.from_pretrained("JuIm/Amino-Acid-Sequence-Tokenizer")

progemma = pipeline("text-generation", model=model, tokenizer=tokenizer)

sequence = progemma("", top_k=950, max_length=100, num_return_sequences=1, do_sample=True, repetition_penalty=1.2, eos_token_id=21, pad_token_id=22, bos_token_id=20)

s = sequence[0]['generated_text']

print(s)

Framework versions

  • Transformers 4.42.4
  • Pytorch 2.3.1+cu121
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
c3c3111

0 моделей