/ Модель

Характеристики

Контекст
512 токенов
Параметры
114 млн
Архитектура
bert · dense
Опубликована
29 фев 2024

GROVER

Заполнение пропусковТекст → текст3 профессии

Предварительно обученная модель BERT для предсказания замаскированных токенов и анализа контекста последовательностей ДНК.

1 405скачиваний за 30 дней17лайковвеса обновлены29 ноя 2024

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

GROVER — предварительно обученная языковая модель генома, разработанная PoetschLab. Она использует архитектуру BERT и предсказывает замаскированные токены в последовательностях ДНК, учитывая их контекст; модель предназначена для анализа геномных последовательностей. Чекпойнт содержит 113,7 млн параметров, работает в PyTorch и принимает контекст длиной до 512 токенов.

При токенизации BPE представление последовательности может заметно меняться на участках короче 50 нуклеотидов; на более длинных участках также следует учитывать края последовательности. Авторы рекомендуют добавлять по 100 нуклеотидов с обоих концов, чтобы повысить соответствие исходной токенизации. Модель распространяется под лицензией, которая в предоставленных данных не указана.

Сценарии применения

  • предсказание скрытых участков последовательности ДНК
  • анализ контекста геномных последовательностей
  • восстановление замаскированных токенов ДНК

Ограничения

Токенизация BPE может существенно меняться для последовательностей короче 50 нуклеотидов; для согласованной токенизации авторы рекомендуют добавлять по 100 нуклеотидов с обоих концов. В предоставленных данных лицензия не указана.

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

This is the official pre-trained model introduced in DNA language model GROVER learns sequence context in the human genome

from transformers import AutoTokenizer, AutoModelForMaskedLM

# Import the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained("PoetschLab/GROVER")
model = AutoModelForMaskedLM.from_pretrained("PoetschLab/GROVER")

Some preliminary analysis shows that sequence re-tokenization using Byte Pair Encoding (BPE) changes significantly if the sequence is less than 50 nucleotides long. Longer than 50 nucleotides, you should still be careful with sequence edges. We advice to add 100 nucleotides at the beginning and end of every sequence in order to guarantee that your sequence is represented with the same tokens as the original tokenization. We also provide the tokenized chromosomes with their respective nucleotide mappers (They are available in the folder tokenized chromosomes).

BibTeX entry and citation info

@article{sanabria2024dna,
  title={DNA language model GROVER learns sequence context in the human genome},
  author={Sanabria, Melissa and Hirsch, Jonas and Joubert, Pierre M and Poetsch, Anna R},
  journal={Nature Machine Intelligence},
  pages={1--13},
  year={2024},
  publisher={Nature Publishing Group UK London}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
6b22311

0 моделей