/ Модель

Характеристики

Контекст
1 026 токенов
Параметры
197 млн
Лицензия
MIT
Архитектура
esm · dense
Базовая модель
esm2_t30_150M_UR50D
Опубликована
7 июл 2026

PlantPLM-150M

Заполнение пропусковТекст → текст3 профессии

Адаптированная к растительным белкам модель ESM-2 для предсказания замаскированных аминокислот и получения представлений белковых последовательностей.

17скачиваний за 30 дней0лайковвеса обновлены7 июл 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

PlantPLM-150M — модель Meta ESM-2, адаптированная автором репозитория к белковым последовательностям растений царства Viridiplantae. Это плотная трансформерная архитектура ESM-2 с 30 слоями, размером 196,6 млн параметров и контекстом до 1026 токенов; обучение продолжено на сокращённом по сходству наборе UniProt TrEMBL с примерно 4,37 млн последовательностей растений. Модель предназначена для предсказания функции растительных белков, получения их эмбеддингов и дальнейшего дообучения на небольших размеченных наборах. Она поддерживает задачу fill-mask, то есть предсказание замаскированных аминокислот в белковых последовательностях. Лицензия — MIT.

Адаптация к растительным белкам полезна для аннотации функций, поиска сходных последовательностей, кластеризации и переноса обучения на задачи для растений. Модель не предназначена для белков других организмов и предсказания структуры; для этих сценариев README рекомендует исходную ESM-2 или ESMFold соответственно. Для этого чекпойнта не проводилась оценка на downstream-бенчмарках.

Сценарии применения

  • аннотация функций растительных белков
  • получение эмбеддингов растительных белковых последовательностей
  • кластеризация белков растений
  • поиск сходных белков растений
  • дообучение на размеченных наборах белковых данных растений

Ограничения

Модель адаптирована к белкам растений и может хуже подходить для белков других организмов; она не предназначена для предсказания структуры. Для чекпойнта не проводилась оценка на downstream-бенчмарках.

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

PlantPLM-150M

ESM-2 150M parameter model continued-pretrained on Viridiplantae (plant) protein sequences.

This is a domain-adapted version of facebook/esm2_t30_150M_UR50D, fine-tuned on a non-redundant subset of UniProt TrEMBL plant-kingdom proteins.

Part of the Plant-PLM - ESM-2 models at 8M, 35M, 150M, and 650M parameters, each adapted on plant protein data.


Model Description

PropertyValue
Base modelfacebook/esm2_t30_150M_UR50D
ArchitectureESM-2 · 30 layers · hidden=640 · heads=20 · FFN=2560
Position embeddingsRotary (RoPE)
Vocabulary33 tokens (20 standard + rare amino acids + special tokens)
Parameters148M (full-parameter continued pretraining)
Training objectiveMasked Language Modeling (MLM, 15% masking)

Training Data

Unlike the 8M and 35M variants (trained on the raw, redundant plant TrEMBL corpus), this model was trained on a redundancy-reduced ("nr50") corpus: the raw Viridiplantae corpus was clustered with MMseqs2 easy-linclust (50% identity / 80% coverage, mirroring ESM-2's own training-data construction) and one representative sequence per cluster was kept.

PropertyValue
SourceUniProt TrEMBL — Viridiplantae (plant kingdom) subset, MMseqs2-deduplicated (50% ID / 80% cov)
Sequences4,372,758 (down from 19,938,415 raw, −78%)
Avg sequence length279 AA · median 199 AA
Token budget~1.11 billion amino acid tokens (≈ 1 full epoch over the nr50 corpus)

Training Details

HyperparameterValue
Training steps90,000 optimizer steps (1 epoch over nr50)
Batch size48 sequences (12 per micro-batch × 4 gradient accumulation steps)
OptimizerAdamW · β=(0.9, 0.98) · ε=1e-8 · weight_decay=0.01
Learning rate1e-5
LR scheduleLinear warmup (1,000 steps) → linear decay
Gradient clipping1.0
Precision16-bit mixed
Gradient checkpointingEnabled
Hardware1× NVIDIA RTX 3060 (12 GB)

Final metrics (validation set, 5% holdout):

MetricValue
val/mlm_loss2.185
val/perplexity8.98
val/masked_token_acc34.3%

Usage

from transformers import EsmForMaskedLM, EsmTokenizer
import torch

model = EsmForMaskedLM.from_pretrained("dipayan26/PlantPLM-150M")
tokenizer = EsmTokenizer.from_pretrained("dipayan26/PlantPLM-150M")

# --- Masked token prediction ---
sequence = "MSPQTETKASVGFKAGVKDYKLTYYTPEYETK"
inputs = tokenizer(sequence, return_tensors="pt")

# mask one position
inputs["input_ids"][0, 5] = tokenizer.mask_token_id

with torch.no_grad():
    logits = model(**inputs).logits

masked_pos = (inputs["input_ids"] == tokenizer.mask_token_id).nonzero()[0, 1]
top5 = logits[0, masked_pos].topk(5)
print(tokenizer.convert_ids_to_tokens(top5.indices.tolist()))

# --- Sequence embedding ([CLS] token) ---
inputs = tokenizer(sequence, return_tensors="pt")
with torch.no_grad():
    hidden = model.esm(**inputs).last_hidden_state
cls_embedding = hidden[0, 0, :]   # shape: [640]
print("Embedding shape:", cls_embedding.shape)

Intended Use

  • Plant protein function prediction — GO term annotation, subcellular localization, signal peptide detection
  • Plant-specific protein embeddings — clustering, retrieval, similarity search
  • Transfer learning starting point — fine-tune on small labeled plant protein datasets

Out-of-scope Use

  • Non-plant organisms — the model has been shifted toward Viridiplantae statistics; use the original facebook/esm2_t30_150M_UR50D for general protein tasks
  • Structural prediction — not trained for structure; use ESMFold for that

Limitations

  • No downstream benchmark evaluation has been run on this checkpoint yet

Citation

If you use this model, please cite:

@misc{sarkar2026plantplm,
  author       = {Sarkar, Dipayan},
  title        = {PlantPLM: Domain-Adaptive Pretraining of ESM-2 on Viridiplantae Proteins},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/dipayan26/PlantPLM-150M}},
}

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
EsmForMaskedLM
Ревизия весов
9bc4f9e

0 моделей