/ Модель

Характеристики

Контекст
512 токенов
Параметры
9,2 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
t5 · dense
Библиотека
transformers
Опубликована
11 ноя 2024

tcrt5_pre_tcrdb

Языковая модель3 профессии

Предобученная модель T5 для дообучения на последовательностях T-клеточных рецепторов и pMHC, включая генерацию TCR по целевому pMHC.

103скачиваний за 30 дней1лайквеса обновлены11 окт 2025

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

dkarthikeyan1/tcrt5_pre_tcrdb — предобученная модель, разработанная как основа для дообучения TCRT5. Это компактная seq2seq-модель на архитектуре T5 с 9,2 млн параметров, реализованная для Transformers; она обучалась восстанавливать замаскированные фрагменты последовательностей CDR3β и пептидных псевдопоследовательностей. Контекст модели составляет 512 токенов.

Модель предназначена для дообучения на пользовательских наборах данных, связанных с T-клеточными рецепторами и pMHC. После дообучения её можно применять для генерации последовательностей TCR по целевому pMHC, обратной генерации pMHC по TCR, а также, с дополнительной настройкой, для классификации или регрессии по последовательностям.

Модель обучалась на данных TCRdb и IEDB. Она рассчитана на последовательности пептидных псевдопоследовательностей и CDR3β; одни только пептиды, CDR3α и другие части TCR находятся вне распределения обучения. Лицензия CC BY-NC-SA 4.0 требует указания авторства и ограничивает коммерческое использование и распространение производных на условиях лицензии.

Сценарии применения

  • дообучение для генерации TCR по целевому pMHC
  • дообучение для поиска pMHC, распознаваемого заданным TCR
  • классификация последовательностей CDR3β и pMHC после дополнительной настройки
  • регрессия по представлениям последовательностей TCR и pMHC после дополнительной настройки

Ограничения

Модель совместно предобучена на пептидных псевдопоследовательностях и CDR3β; одни только пептиды, CDR3α и другие части TCR являются внераспределёнными входами. Для прикладной генерации и задач классификации или регрессии требуется дообучение.

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

TCRT5 model (pre-trained)

Model description

This model is the pre-trained model used for finetuning TCRT5. The finetuned model is a seq2seq model designed for the conditional generation of T-cell receptor (TCR) sequences given a target peptide-MHC (pMHC). It is a transformers model that is built on the T5 architecture and operationalized by the associated HuggingFace abstraction. It is released along with this paper).

Intended uses & limitations

This model is released to be used for seq2seq finetuning on custom datasets. It may be useful for both the pMHC -> TCR (TCR design) or TCR -> pMHC (TCR de-orphanization) sequence generation. Additionally, it can also be used (though it has not been tested in this capacity) for finetuning on classification or regression-style tasks involving sequence representations of TCR (CDR3 \(\beta\)) and pMHC (peptide-pseudo sequence):

How to use

from transformers import T5Tokenizer, T5ForConditionalGeneration
tokenizer = T5Tokenizer.from_pretrained('dkarthikeyan1/tcrt5_pre_tcrdb')
tcrt5 = T5ForConditionalGeneration.from_pretrained("dkarthikeyan1/tcrt5_pre_tcrdb")
pmhc = "[PMHC]KLGGALQAK[SEP]YFAMYQENVAQTDVDTLYIIYRDYTWAELAYTWY[EOS]"
encoded_pmhc = tokenizer(pmhc, return_tensors='pt')

# Can be useful for classification/regression downstream tasks
enc_outputs = tcrt5.encoder(**encoded_pmhc)

Limitations

As it stands, the model was jointly pre-trained on peptide-pseudosequence and CDR3 \(\beta\) sequences. As such sequences comprised of just peptide, CDR3 \(\alpha\), or other parts of the TCR would be out-of-distribution OOD.

Training data

TCRT5 was pre-trained on masked span reconstruction of on a dataset built around ~14M CDR3 \(\beta\) sequences from TCRdb as well as ~780k peptide-pseudosequence pairs taken from IEDB. To correct for the data imbalance, upsampling was used to bring the TCR:pMHC sequence ratio to 70:30.

Training procedure

Preprocessing

All amino acid sequences, and V/J gene names were standardized using the tidytcells package. See here. MHC allele information was standardized using mhcgnomes, available here before mapping allele information to the MHC pseudo-sequence as defined in NetMHCpan.

Pre-training

TCRT5 was pretrained with Masked language modeling (MLM): Span reconstruction similar to the original training loss of the T5 paper. For a given sequence, the model masks 15% of the sequence using contiguous spans of random length from length 1-3. This is done via the sentinel tokens introduced in the T5 paper. Then the entire masked sequence is passed into the model and the model is trained to reconstruct a concatenated sequence comprised of the sentinel tokens followed by the masked tokens. This forces the model to learn richer k-mer dependencies of the masked sequences.

Masks 'mlm_probability' tokens grouped into spans of size 'max_span_length' according to the following algorithm:
        * Radnomly generate span lengths that add up to round(mlm_probability*seq_len) (ignoring pad token) for each sequence.
        * Ensure that the spans are not directly adjacent to ensure max_span_length is observed
        * Once the span masks are generated according to T5 standards mask the inputs and generate the targets 
    
    
    Example Input:
    
    CASSLGQGYEQYF
    
    Masked Input:
    
    CASSLG[X]GY[Y]F
    
    Target:
    
    [X]Q[Y]EQY[Z].

Hyperparameters:

Hparam#Enc.#Dec.Vocab. SizeD_modelNum Attn. HeadsDropoutD_ff
1010128256160.11024
TABsz.LRStepsWeight DecayWarmup
5123e- 4168k (~4eps)0.1500

Hardware

  • Hardware Type: NVIDIA A100 80GB PCIe
  • Hours used: 60
  • Carbon Emitted: 6.48 kg CO2 eq.

Carbon emissions were estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

BibTeX entry and citation info

@Article{Karthikeyan2025_tcrtranslate,
author={Karthikeyan, Dhuvarakesh
and Bennett, Sarah N.
and Reynolds, Amy G.
and Vincent, Benjamin G.
and Rubinsteyn, Alex},
title={Conditional generation of real antigen-specific T cell receptor sequences},
journal={Nature Machine Intelligence},
year={2025},
month={Sep},
day={08},
abstract={Despite recent advances in T cell receptor (TCR) engineering, designing functional TCRs against arbitrary targets remains challenging due to complex rules governing cross-reactivity and limited paired data. Here we present TCR-TRANSLATE, a sequence-to-sequence framework that adapts low-resource machine translation techniques to generate antigen-specific TCR sequences against unseen epitopes. By evaluating 12 model variants of the BART and T5 model architectures, we identified key factors affecting performance and utility, revealing discordances between these objectives. Our flagship model, TCRT5, outperforms existing approaches on computational benchmarks, prioritizing functionally relevant sequences at higher ranks. Most significantly, we experimentally validated a computationally designed TCR against Wilms' tumour antigen, a therapeutically relevant target in leukaemia, excluded from our training and validation sets. Although the identified TCR shows cross-reactivity with pathogen-derived peptides, highlighting limitations in specificity, our work represents the successful computational design of a functional TCR construct against a non-viral epitope from the target sequence alone. Our findings establish a foundation for computational TCR design and reveal current limitations in data availability and methodology, providing a framework for accelerating personalized immunotherapy by reducing the search space for novel targets.},
issn={2522-5839},
doi={10.1038/s42256-025-01096-6},
url={https://doi.org/10.1038/s42256-025-01096-6}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Задача модели не относится к поддерживаемым.

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
d315a64

0 моделей