/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
101 млн
Архитектура
encodon · dense
Библиотека
transformers
Опубликована
10 окт 2024

encodon-80M

Заполнение пропусковТекст → текст3 профессии

Предобученная модель EnCodon для анализа кодирующих последовательностей, получения их эмбеддингов и восстановления замаскированных участков.

168скачиваний за 30 дней0лайковвеса обновлены20 мая 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

EnCodon-80M — предобученная плотная модель семейства EnCodon от goodarzilab для работы с кодирующими последовательностями. Она предназначена для извлечения эмбеддингов последовательностей и предсказания замаскированных участков; каталог также относит её к задачам классификации текста. Модель содержит около 100,7 млн параметров, работает с кодонами и поддерживает контекст до 2048 токенов по метаданным. В README указано, что обучение охватывает последовательности длиной до 2048 кодонов, или 6144 нуклеотидов.

EnCodon представляет собой одну из моделей пакета cdsFM; README также описывает DeCodon для генерации кодирующих последовательностей, но это отдельная модель. Для EnCodon перечислены извлечение эмбеддингов и предобученный чекпойнт. Доступны веса в формате safetensors, библиотека Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.

Сценарии применения

  • Извлечение эмбеддингов кодирующих последовательностей
  • Восстановление замаскированных участков последовательности
  • Классификация кодирующих последовательностей

Ограничения

Модель обучалась на кодирующих последовательностях и не заявлена для произвольных геномных последовательностей; качество и применимость к различным организмам в предоставленных материалах не уточнены. Лицензия в доступных данных 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

Get started 🚀

Installation

From source

Currently, this is the only way to install the package but will push a pip installable version soon. To install the package from source, run the following command:

pip install git+https://github.com/goodarzilab/cdsFM.git

Applications

Now that you have cdsFM installed, you can use AutoEnCodon and AutoDeCodon classes which serve as wrappers around the pre-trained models. Here are some examples on how to use them:

Sequence Embedding Extraction with EnCodon

Following is an example of how to use the EnCodon model to extract sequence embeddings:

from cdsFM import AutoEnCodon

# Load your dataframe containing sequences
seqs = ...

# Load a pre-trained EnCodon model
model = AutoEnCodon.from_pretrained("goodarzilab/encodon-620M")

# Extract embeddings
embeddings = model.get_embeddings(seqs, batch_size=32)

Sequence Generation with DeCodon

You can generate organism-specific coding sequences with DeCodon simply by:

from cdsFM import AutoDeCodon

# Load a pre-trained DeCodon model
model = AutoDeCodon.from_pretrained("goodarzilab/DeCodon-200M")

# Generate!
gen_seqs = model.generate(
    taxid=9606, # NCBI Taxonomy ID for Homo sapiens
    num_return_sequences=32, # Number of sequences to return
    max_length=1024, # Maximum length of the generated sequence
    batch_size=8, # Batch size for generation
)


Tokenization

EnCodon and DeCodon are pre-trained on coding sequences of length up to 2048 codons (i.e. 6144 nucleotides), including the <CLS> token prepended automatically to the beginning of the sequence and the <SEP> token appended at the end. The tokenizer's vocabulary consists of 64 codons and 5 special tokens namely <CLS>, <SEP>, <PAD>, <MASK> and <UNK>.


HuggingFace 🤗

A collection of pre-trained checkpoints of EnCodon & DeCodon models are available on HuggingFace 🤗. Following table contains the list of available models:

Modelnamenum. paramsdescriptionweights
EnCodonencodon-80M80MPre-trained checkpoint🤗
EnCodonencodon-80M-euk80MEukaryotic-expert🤗
EnCodonencodon-620M620MPre-trained checkpoint🤗
EnCodonencodon-620M-euk620MEukaryotic-expert🤗
DeCodondecodon-200M200MPre-trained checkpoint🤗
DeCodondecodon-200M-euk200MEukaryotic-expert🤗

Citation

@article{Naghipourfar2024,
  title = {A Suite of Foundation Models Captures the Contextual Interplay Between Codons},
  url = {http://dx.doi.org/10.1101/2024.10.10.617568},
  DOI = {10.1101/2024.10.10.617568},
  publisher = {Cold Spring Harbor Laboratory},
  author = {Naghipourfar,  Mohsen and Chen,  Siyu and Howard,  Mathew and Macdonald,  Christian and Saberi,  Ali and Hagen,  Timo and Mofrad,  Mohammad and Coyote-Maestas,  Willow and Goodarzi,  Hani},
  year = {2024},
  month = oct 
}

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
EnCodon
Ревизия весов
81702e2

0 моделей