/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
rnamsm · dense
Библиотека
transformers
Опубликована
28 мая 2026

RNA-MSM

Заполнение пропусковТекст → текст3 профессии

RNA-MSM — трансформер для заполнения масок в выравниваниях РНК и извлечения признаков для последующего анализа последовательностей.

79скачиваний за 30 дней0лайковвеса обновлены26 авг 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

RNA-MSM — языковая модель для РНК, разработанная Zhang et al.; порт на Hugging Face поддерживает Taykhoom Dalal. Модель обучена на выравниваниях гомологичных последовательностей РНК из конвейера RNAcmap и предсказывает замаскированные токены в таком выравнивании. Её можно применять для получения представлений последовательностей и последующей настройки на задачи анализа РНК.

Архитектура — плотный трансформер с осевым вниманием: на каждом из 10 слоёв выполняются внимание по позициям последовательности и внимание между строками выравнивания. Размер эмбеддинга — 768, число голов внимания — 12. Вход — MSA равной длины, представленный тензором формы (batch, num_alignments, seqlen); для одной последовательности используется выравнивание из одной строки. Выходные скрытые состояния сохраняют структуру MSA и имеют четыре измерения.

Модель предназначена для заполнения масок в выравниваниях РНК и извлечения признаков для задач вроде предсказания доступности растворителю или вторичной структуры. Она рассчитана на вход из нескольких гомологичных последовательностей, хотя поддерживает и одиночную последовательность. Реализация требует eager attention и несовместима с SDPA и Flash Attention 2. Веса доступны по лицензии MIT.

Сценарии применения

  • предсказание замаскированных нуклеотидов в выравнивании РНК
  • получение эмбеддингов одиночных последовательностей РНК
  • получение эмбеддингов множественных выравниваний РНК
  • извлечение признаков для предсказания вторичной структуры РНК
  • извлечение признаков для предсказания доступности растворителю

Ограничения

Модель лучше работает с несколькими гомологичными последовательностями одинаковой длины; режим одной последовательности использует выравнивание из одной строки. Поддерживается только eager attention, без SDPA и Flash Attention 2.

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

RNA-MSM

Multiple sequence alignment-based RNA language model trained on homologous RNA sequence alignments from the RNAcmap pipeline.

Architecture

ParameterValue
Layers10
Attention heads12
Embedding dimension768
FFN hidden dimension3072 (GELU)
Vocabulary size12
Positional encodingLearned (sequence) + learned scalar (alignment row)
NormalizationPre-LayerNorm + final LayerNorm
ArchitectureAxial MSA Transformer (row + column self-attention)
Max sequence length1024 tokens (including the prepended <cls>)
Max alignment depth1024 rows

Input format: RNA-MSM takes 3D input (batch, num_alignments, seqlen). Each alignment is a set of homologous RNA sequences of equal length (an MSA). The model applies row self-attention (across sequence positions) and column self-attention (across alignment rows) at each of the 10 transformer layers.

Vocabulary

TokenIDTokenID
<cls>0U7
<pad>1X8
<eos>2N9
<unk>3-10
A4<mask>11
G5
C6

Each sequence is prepended with <cls> (id 0). No <eos> token is appended.

Pretraining

  • Objective: Masked language modeling on RNA MSAs (masking ~15% of tokens)
  • Data: RNA homologous sequences searched by RNAcmap from non-redundant RNA databases
  • Source checkpoint: RNA_MSM_pretrained.ckpt (original Google Drive link)

Checkpoint selection

There is one publicly released RNA-MSM pretrained checkpoint. This is that checkpoint, converted from the original PyTorch Lightning .ckpt format.

Parity Verification

Hidden-state representations verified identical (max abs diff = 0.00, exact match) to the reference implementation at all 11 representation levels (embedding + 10 transformer layers), both on padded and unpadded batches. Verified on GPU with PyTorch 2.7 / CUDA 12.9.

Related Models

See the full RNA-MSM collection.

Usage

RNA-MSM is an MSA model -- it performs best when given multiple homologous sequences as input. For single-sequence embedding, each sequence is treated as a 1-row MSA.

Single-sequence embedding

import torch
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("Taykhoom/RNA-MSM", trust_remote_code=True)
model = AutoModel.from_pretrained("Taykhoom/RNA-MSM", trust_remote_code=True)
model.eval()

sequences = ["AGCUAGCUAGCU", "GCUAGCUA"]
enc = tokenizer(sequences, return_tensors="pt", padding=True)
# enc["input_ids"]: (2, 1, seqlen)  -- each sequence treated as 1-row MSA

with torch.no_grad():
    out = model(**enc)

# last_hidden_state: (batch, num_alignments, seqlen, 768)
lhs = out.last_hidden_state   # (2, 1, seqlen, 768)

# Per-token embeddings for the query sequence (row 0), excluding CLS
token_emb = lhs[:, 0, 1:, :]  # (2, seqlen-1, 768)

# Mean-pool over non-padding positions for sequence-level embedding
mask = enc["attention_mask"][:, 0, 1:].unsqueeze(-1).float()  # (2, seqlen-1, 1)
seq_emb = (token_emb * mask).sum(1) / mask.sum(1).clamp(min=1)  # (2, 768)

MSA embedding

import torch
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("Taykhoom/RNA-MSM", trust_remote_code=True)
model = AutoModel.from_pretrained("Taykhoom/RNA-MSM", trust_remote_code=True)
model.eval()

# One MSA: 3 aligned homologous sequences of equal length
msa = [
    "AGCUAGCUAGCU",
    "AGCUAGCUAGC-",
    "AGCU--CUAGCU",
]
enc = tokenizer.encode_msa([msa], return_tensors="pt", padding=True)
# enc["input_ids"]: (1, 3, seqlen)

with torch.no_grad():
    out = model(**enc)

# last_hidden_state: (1, 3, seqlen, 768)
# Use row 0 (query sequence) for downstream tasks
query_emb = out.last_hidden_state[:, 0, 1:, :]  # (1, seqlen-1, 768)

Intermediate layers

with torch.no_grad():
    out = model(**enc, output_hidden_states=True)

# hidden_states: tuple of 11 tensors, each (batch, num_alignments, seqlen, 768)
# Index 0 = embedding, 1..10 = transformer layer outputs
layer5_emb = out.hidden_states[5][:, 0, :, :]  # (batch, seqlen, 768)

MLM logits

from transformers import AutoModelForMaskedLM

mlm = AutoModelForMaskedLM.from_pretrained("Taykhoom/RNA-MSM", trust_remote_code=True)
mlm.eval()

enc = tokenizer(["AGCU<mask>AGCU"], return_tensors="pt", padding=True)
with torch.no_grad():
    logits = mlm(**enc).logits  # (1, 1, seqlen, 12)

Fine-tuning

For sequence-level downstream tasks (e.g., solvent accessibility), extract the embedding from the query row (row 0) of the last hidden state, then apply a prediction head. The model's attention maps (row attention) are also useful for 2D structural tasks (e.g., secondary structure prediction).

Implementation Notes

RNA-MSM uses axial attention: each transformer layer applies row self-attention (attending across sequence positions, summed over alignment rows) followed by column self-attention (attending across alignment rows per position). This custom attention pattern is not compatible with attn_implementation="sdpa" or attn_implementation="flash_attention_2" -- only "eager" is supported.

last_hidden_state has shape (batch, num_alignments, seqlen, embed_dim) -- note the 4D output, reflecting the MSA structure. For single-sequence use (1-row MSA), this is (batch, 1, seqlen, embed_dim).

Citation

@article{zhang2024_rnamsm,
  title   = {Multiple sequence alignment-based {RNA} language model and its application to structural inference},
  author  = {Zhang, Yikun and Lang, Mei and Jiang, Jiuhong and Gao, Zhiqiang and Xu, Fan and Litfin, Thomas and Chen, Ke and Singh, Jaswinder and Huang, Xiansong and Song, Guoli and Tian, Yonghong and Zhan, Jian and Chen, Jie and Zhou, Yaoqi},
  journal = {Nucleic Acids Research},
  volume  = {52},
  number  = {1},
  pages   = {e3},
  year    = {2024},
  doi     = {10.1093/nar/gkad1031}
}

Credits

Original model and code by Zhang et al. Source: GitHub. Hugging Face port maintained by Taykhoom Dalal.

License

MIT, following the original repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
RNAMSMForMaskedLM
Ревизия весов
dabd1d9

0 моделей