ESM-модель на 865,1 млн параметров для заполнения масок в белковых последовательностях и предсказания субстратов ферментов биосинтеза RiPP.
78скачиваний за 30 дней1лайквеса обновлены7 дек 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
PeptideESM2_650M — модель семейства ESM, опубликованная группой ShuklaGroupIllinois. Она предназначена для предсказания субстратов ферментов биосинтеза RiPP с помощью masked language modeling и transfer learning. Модель принимает последовательности белков и предсказывает замаскированные аминокислоты; архитектура — плотная ESM-модель для задачи fill-mask, объём — 865,1 млн параметров, длина контекста — 1026 токенов.
Работа описана в статье «Substrate Prediction for RiPP Biosynthetic Enzymes via Masked Language Modeling and Transfer Learning» (2024). Это специализированная модель для анализа белковых последовательностей в исследованиях биосинтеза RiPP. Репозиторий содержит веса в формате safetensors. Условия лицензии в предоставленных данных не приведены.
Сценарии применения
предсказание субстратов ферментов биосинтеза RiPP
заполнение замаскированных аминокислот в последовательностях белков
анализ белковых последовательностей ферментов
Ограничения
Модель специализирована на белковых последовательностях и предсказании субстратов ферментов биосинтеза RiPP; сведения о лицензии в предоставленных материалах отсутствуют.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
@article{Clark2024,
title = {Substrate prediction for RiPP biosynthetic enzymes via masked language modeling and transfer learning},
ISSN = {2635-098X},
url = {http://dx.doi.org/10.1039/D4DD00170B},
DOI = {10.1039/d4dd00170b},
journal = {Digital Discovery},
publisher = {Royal Society of Chemistry (RSC)},
author = {Clark, Joseph D. and Mi, Xuenan and Mitchell, Douglas A. and Shukla, Diwakar},
year = {2024}
}
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров