/ Модель

Характеристики

Контекст
16 384 токена
Параметры
23,6 млн
Лицензия
Apache 2.0
Архитектура
plasmid_lm · dense
Библиотека
transformers
Опубликована
26 фев 2026

PlasmidLM

Генерация текстаТекст → текст3 профессии

PlasmidLM генерирует последовательности плазмидной ДНК по функциональным аннотациям для исследовательских задач в геномике и синтетической биологии.

567скачиваний за 30 дней0лайковвеса обновлены31 мар 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

PlasmidLM — авторегрессионная языковая модель McClain для генерации последовательностей плазмидной ДНК по функциональным аннотациям, заданным специальными токенами. Она обучена на примерно 108 тысячах последовательностей плазмид из Addgene, аннотированных с помощью pLannotate, и предназначена для исследовательских задач в геномике и синтетической биологии.

Модель построена на плотном трансформере-декодере в стиле LLaMA; в метаданных указано 23,6 млн параметров, а в README — 17,7 млн. Она принимает текстовый промпт с аннотациями и генерирует последовательность из оснований A, T, C и G. Контекст — до 16 384 токенов, примерно 16 тысяч пар оснований. Расхождение в указанном числе параметров не позволяет однозначно определить точный размер модели.

Это базовая предобученная модель: размещение функциональных элементов не оптимизировано, а сгенерированные последовательности не прошли экспериментальную проверку. Обучающая выборка смещена в сторону часто публикуемых в Addgene векторов. Перед практическим применением последовательности требуют вычислительной и экспериментальной проверки. Лицензия — Apache-2.0.

Сценарии применения

  • генерация плазмидной ДНК по набору функциональных элементов
  • создание вариантов плазмид с заданными маркерами устойчивости к антибиотикам
  • генерация последовательностей с заданными промоторами или репортерами
  • подготовка кандидатов последовательностей для исследовательского анализа

Ограничения

Модель не оптимизирует расположение функциональных элементов, а сгенерированные последовательности не валидированы экспериментально. Обучение на плазмидах Addgene создаёт смещение к часто публикуемым векторам; перед использованием необходимы вычислительная и экспериментальная проверки.

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

PlasmidLM

A 17.7M parameter autoregressive language model for plasmid DNA sequence generation, trained on ~108K plasmid sequences from Addgene.

Model Details

PropertyValue
Parameters17.7M
ArchitectureTransformer decoder (dense MLP), LLaMA-style
Hidden size384
Layers10
Attention heads8
Intermediate size1,536
Max sequence length16,384 tokens
TokenizerCharacter-level (single DNA bases)
Vocab size120

Training

  • Data: ~108K plasmid sequences from Addgene, annotated with functional components via pLannotate
  • Steps: 15,000
  • Eval loss: 0.093
  • Token accuracy: 96.1%

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("McClain/PlasmidLM", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("McClain/PlasmidLM", trust_remote_code=True)

# Condition on antibiotic resistance + origin of replication
prompt = "<BOS><AMR_KANAMYCIN><ORI_COLE1><SEP>"
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=4096, temperature=0.8, do_sample=True, top_p=0.95)
print(tokenizer.decode(outputs[0].tolist()))

The model generates plasmid DNA sequences conditioned on functional annotations (antibiotic resistance markers, origins of replication, promoters, reporters, etc.) provided as special tokens in the prompt.

Input Format

<BOS><TOKEN1><TOKEN2>...<SEP>

The model generates DNA bases (A/T/C/G) after the <SEP> token until it produces <EOS> or hits the maximum length.

Special Tokens

TokenPurpose
<BOS>Beginning of sequence
<EOS>End of sequence
<SEP>Separator between prompt annotations and DNA sequence
<PAD>Padding
<AMR_*>Antibiotic resistance markers (e.g., <AMR_KANAMYCIN>, <AMR_AMPICILLIN>)
<ORI_*>Origins of replication (e.g., <ORI_COLE1>, <ORI_P15A>)
<PROM_*>Promoters (e.g., <PROM_CMV>, <PROM_T7>)
<REP_*>Reporters (e.g., <REP_EGFP>, <REP_MCHERRY>)

Related Models

Limitations

  • This is a pretrained base model -- generated sequences are not optimized for functional element placement. Post-training with RL improves fidelity.
  • Generated sequences are not experimentally validated. Always verify computationally and experimentally before synthesis.
  • Trained on Addgene plasmids, which are biased toward commonly deposited vectors.
  • Maximum context of 16K tokens (~16 kbp).

Citation

@misc{thiel2026plasmidlm,
  title={PlasmidLM: Language Models for Plasmid DNA Generation},
  author={Thiel, McClain},
  year={2026}
}

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
PlasmidLMForCausalLM
Ревизия весов
4d9195a

0 моделей