/ Модель

Характеристики

Контекст
16 384 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
5 фев 2026

plasmid-gpt-244m

Генерация текстаТекст → текст3 профессии

Условная GPT-2-подобная модель для генерации последовательностей плазмидной ДНК с заданными биологическими свойствами.

269скачиваний за 30 дней0лайковвеса обновлены5 фев 2026

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

PlasmidGPT-244M — условная языковая модель для генерации последовательностей плазмидной ДНК по заданным биологическим свойствам. Это GPT-2-подобный трансформер McClain с 244 млн параметров: 18 слоёв, 16 голов внимания, размерность эмбеддингов 1024 и контекст до 16 384 токенов. Словарь содержит 72 токена, включая специальные токены условий и нуклеотиды A, C, G и T.

Модель обучена на 13 260 уникальных парах «запрос — последовательность» из дедуплицированных последовательностей плазмид Addgene. Условия могут задавать организм-хозяина, устойчивость к антибиотикам, содержание GC и другие свойства. Модель предназначена для исследовательского проектирования плазмидных последовательностей; карточка сообщает о 10 000 шагах обучения и лучшей проверочной perplexity 2,06. Лицензия — MIT.

Сценарии применения

  • генерация последовательностей плазмид по организму-хозяину
  • создание вариантов плазмид с заданной устойчивостью к антибиотикам
  • генерация последовательностей с заданным содержанием GC
  • исследовательское проектирование плазмидной ДНК

Ограничения

Модель обучена на ограниченном наборе из 13 260 пар из Addgene, поэтому её качество и обобщение за пределами этого набора не установлены. Сгенерированные последовательности требуют биологической проверки; метрики проверки не подтверждают их функциональность или безопасность.

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

PlasmidGPT-244M

A conditional DNA language model for generating plasmid sequences based on specified biological properties.

Model Description

PlasmidGPT is a GPT-2 style transformer trained to generate plasmid DNA sequences conditioned on biological properties like host organism, antibiotic resistance, GC content, and more.

  • Parameters: 244M
  • Context Length: 16,384 tokens
  • Architecture: 18 layers, 16 heads, 1024 embedding dim
  • Vocabulary: 72 tokens (special tokens + condition tokens + ACGT nucleotides)

Training

  • Dataset: Deduplicated Addgene plasmid sequences (13,260 unique prompt-sequence pairs)
  • Training Steps: 10,000
  • Best Validation Loss: 0.721
  • Best Validation Perplexity: 2.06
  • WandB Run: xotxj25a

Conditioning Tokens

The model accepts the following condition tokens:

CategoryTokens
Host<HOST:ECOLI>, <HOST:HUMAN>, <HOST:MAMMALIAN>, <HOST:MOUSE>, <HOST:PLANT>, <HOST:RAT>, <HOST:SYNTHETIC>, <HOST:WORM>, <HOST:YEAST>
Resistance<RESISTANCE:AMP>, <RESISTANCE:KAN>, <RESISTANCE:SPEC>, <RESISTANCE:CHLOR>, <RESISTANCE:GENT>, <RESISTANCE:STREP>, <RESISTANCE:TET>
Length<LENGTH:SHORT>, <LENGTH:MEDIUM>, <LENGTH:LONG>
GC Content<GC:LOW>, <GC:MEDIUM>, <GC:HIGH>
Application<APPLICATION:CLONING>, <APPLICATION:CRISPR>, <APPLICATION:EDITING>, <APPLICATION:EXPRESSION>, <APPLICATION:RECOMBINATION>, <APPLICATION:REPORTER>, <APPLICATION:RNAI>
Copy Number<COPY:HIGH>, <COPY:LOW>
Promoter<PROMOTER:BAD>, <PROMOTER:CAG>, <PROMOTER:CBH>, <PROMOTER:CMV>, <PROMOTER:HSYN>, <PROMOTER:LAC>, <PROMOTER:PGK>, <PROMOTER:POLYH>, <PROMOTER:SFFV>, <PROMOTER:TAC>, <PROMOTER:TRE>
Vector Type<VECTOR:AAV>, <VECTOR:LENTIVIRAL>, <VECTOR:RETROVIRAL>, <VECTOR:TRANSPOSON>
Tags<TAG:FLAG>, <TAG:GFP>, <TAG:GST>, <TAG:HA>, <TAG:HIS>, <TAG:MBP>, <TAG:MCHERRY>, <TAG:MYC>, <TAG:NLS>, <TAG:SNAP>

Usage

from transformers import GPT2LMHeadModel
import torch

# Load model
model = GPT2LMHeadModel.from_pretrained("mcclain/plasmid-gpt-244m")
model.eval()

# Load vocab for encoding
import json
with open("vocab.json") as f:
    vocab = json.load(f)
id_to_token = {v: k for k, v in vocab.items()}

# Encode a prompt
def encode(text):
    tokens = [vocab["<BOS>"]]
    import re
    pos = 0
    for match in re.finditer(r'<[A-Z_]+:[A-Z_]+>|<[A-Z]+>', text):
        for char in text[pos:match.start()]:
            tokens.append(vocab.get(char, vocab["<UNK>"]))
        tokens.append(vocab.get(match.group(), vocab["<UNK>"]))
        pos = match.end()
    for char in text[pos:]:
        tokens.append(vocab.get(char, vocab["<UNK>"]))
    return tokens

def decode(token_ids):
    return "".join(id_to_token.get(t, "<UNK>") for t in token_ids)

# Generate
prompt = "<HOST:ECOLI><RESISTANCE:AMP><LENGTH:MEDIUM><GC:MEDIUM><SEQ>"
input_ids = torch.tensor([encode(prompt)])

with torch.no_grad():
    output = model.generate(
        input_ids,
        max_new_tokens=500,
        do_sample=True,
        temperature=0.85,
        top_k=50,
        repetition_penalty=1.15,
        pad_token_id=0,
        eos_token_id=2,
    )

generated = decode(output[0, input_ids.shape[1]:].tolist())
print(generated.replace("<EOS>", ""))

Related Models

Citation

If you use this model, please cite:

@misc{plasmidgpt2024,
  title={PlasmidGPT: Conditional DNA Language Model for Plasmid Sequence Generation},
  author={McClain},
  year={2024},
  publisher={HuggingFace}
}

License

MIT License

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
8b3956f

0 моделей