/ Модель

Характеристики

Библиотека
pytorch
Опубликована
15 июл 2026

MGM2

ЭмбеддингиТекст → embedding

MGM2 преобразует состав и относительную численность микробного сообщества в контекстные представления и фиксированный вектор для последующего анализа.

0скачиваний за 30 дней1лайквеса обновлены15 июл 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

MGM2 — модель представления микробных сообществ, опубликованная под именем LudensZhang. Она преобразует данные о составе сообщества в контекстные представления микробных таксонов и вектор фиксированного размера для всего сообщества. Для идентификации микробов используются 1536-мерные векторы NTv3, а относительная численность учитывается Transformer-архитектурой.

В репозитории представлены малый, средний и большой варианты: скрытая размерность 224, 320 и 384 соответственно; модели имеют 6–8 слоёв и 4–6 голов внимания. На вход подаются OTU/ASV с последовательностями из FASTA и таблица численности либо названия видов и таксономические пути. Выход — эмбеддинги отдельных сообществ, пригодные для дальнейшего анализа; доступны варианты CLS, mean pooling и проекция qwen3_proj. Чекпойнты предназначены для инференса и используют ресурсы эмбеддингов NTv3 и таксономические прототипы.

MGM2 подходит для извлечения признаков и компактного представления микробных сообществ в вычислительных исследованиях микробиома. README не сообщает лицензию и не приводит количественных оценок качества, поэтому условия использования и сравнительная эффективность по карточке не определяются.

Сценарии применения

  • получение эмбеддингов микробных сообществ из таблиц OTU или ASV
  • кодирование состава микробиома для кластеризации образцов
  • подготовка признаков микробных сообществ для downstream-моделей
  • извлечение векторов сообществ по названиям видов и таксономическим путям

Ограничения

Для сопоставления последовательностей требуется, чтобы ID FASTA-записей совпадали с ID признаков в таблице численности; сопоставление названий таксонов выполняется только для однозначных совпадений. В README не приведены лицензия и количественные оценки качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MGM2: A Foundation Model for Microbial Communities

MGM2 converts a microbial community into contextualized microbial-token representations and one fixed-size community embedding. It combines 1,536-dimensional NTv3 microbial identity vectors with relative-abundance signals in an abundance-aware Transformer.

Included Models

DirectoryHidden sizeLayersHeadsCommunity embedding
models/small22464224
models/medium32065320
models/large38486384
models/xlarge512108512

Each model directory contains:

  • model.ckpt: an inference-only Lightning checkpoint derived from the released last.ckpt, without optimizer state or training hyperparameters;
  • config.json: the matching architecture and abundance configuration.

Shared identity resources are stored once under embeddings/:

  • reference_ntv3_embeddings.h5: NTv3 embeddings keyed by reference OTU ID;
  • taxonomy_fallback.h5: rank-aware taxonomy prototypes for inputs without representative sequences.

Download

from huggingface_hub import snapshot_download

snapshot_download(
    repo_id="<HUGGINGFACE_REPO_ID>",
    local_dir="MGM2-release",
)

Replace <HUGGINGFACE_REPO_ID> with the ID of this model repository.

Obtain MGM2 Embeddings

The inference utilities are maintained in the MGM2 source repository.

Input with OTU or ASV sequences

The FASTA record IDs must match the feature IDs in the abundance table.

python ntv3_embedding.py \
  --fasta_path communities.fasta \
  --model_path /path/to/NTv3_650M_pre \
  --output_path community_ntv3_embeddings.h5 \
  --gpu_ids 0

python src/data/build_dataset.py \
  --otu_table community_table.csv \
  --format csv \
  --ntv3_embedding community_ntv3_embeddings.h5 \
  --top_k_otus 768 \
  --output community_input.pkl

Input with species names

Species names can be bare names such as Bacteroides fragilis, rank-prefixed names such as s__Bacteroides fragilis, or complete taxonomy paths.

python src/data/build_dataset.py \
  --otu_table community_species.csv \
  --format csv \
  --ntv3_embedding MGM2-release/embeddings/reference_ntv3_embeddings.h5 \
  --fallback_embedding MGM2-release/embeddings/taxonomy_fallback.h5 \
  --resolved_embedding community_resolved_embeddings.h5 \
  --top_k_otus 768 \
  --output community_input.pkl

Name matching is rank aware and uses only unambiguous names. The resolved HDF5 records embedding_source and matched_taxon_key for inspection.

Extract the community representation

python scripts/extract_community_embeddings.py \
  --model_dir MGM2-release/models/small \
  --data_file community_input.pkl \
  --output community_embeddings.h5 \
  --embedding_strategy cls \
  --device cuda:0

cls is the recommended general-purpose representation. mean_pool exports the mean of contextualized microbial tokens. qwen3_proj is available because the released checkpoints include the alignment head.

Output

HDF5 output contains sample_ids and an embeddings matrix with shape [number_of_communities, hidden_size]. The extractor also supports NPZ and CSV output by changing the output filename extension.

Citation

If you use MGM2 in your research, please cite the accompanying paper. Complete citation metadata will be added with the model release.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
54bae7e

0 моделей