/ Модель

Характеристики

Контекст
1 024 токена
Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
deberta-v2 · dense
Опубликована
15 янв 2026

SynCodonLM-V2-NoTokenType

Заполнение пропусковТекст → текст3 профессии

Модель DeBERTa-v2 для предсказания замаскированных кодонов и получения представлений кодирующих последовательностей ДНК без зависимости от белка или идентификаторов видов.

2 012скачиваний за 30 дней1лайквеса обновлены12 мар 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

SynCodonLM-V2-NoTokenType — языковая модель кодонов на архитектуре DeBERTa-v2, представленная как реплика варианта SynCodonLM, обученного без идентификаторов типов токенов. Модель разработана авторами проекта SynCodonLM; в карточке не названа конкретная организация-разработчик. Она предназначена для работы с кодирующими последовательностями ДНК и их представлениями: модель полностью не зависит от белка и не использует идентификаторы видов как типы токенов. Её можно применять для предсказания замаскированных кодонов и получения эмбеддингов кодирующих последовательностей.

Модель содержит 113,3 млн параметров, принимает последовательности в контексте до 1024 токенов и распространяется в формате safetensors. Для обучения указан набор данных jheuschkel/clustered-cds-dataset. Лицензия Apache-2.0. Карточка не приводит результаты сравнительной оценки качества; описанное отсутствие зависимости от белка характеризует обучение, но не гарантирует качество для любых организмов и задач.

Сценарии применения

  • предсказание замаскированных кодонов в кодирующей ДНК
  • получение эмбеддингов последовательностей кодонов
  • извлечение представлений кодирующих последовательностей для биологических исследований

Ограничения

В карточке нет сравнительных оценок качества. Модель обучена на наборе кодирующих последовательностей и её пригодность для конкретных организмов и задач требует отдельной проверки.

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

Model Card for SynCodonLM

  • This model is a replicate of that trained with species - token type ID, however, trained without any token type ID.
  • This model is totally protein-agnostic, while the species-token type model may still have a small amount of spurious statistical focus.

Installation

git clone https://github.com/Boehringer-Ingelheim/SynCodonLM.git
cd SynCodonLM
pip install -r requirements.txt #maybe not neccesary depending on your env :)

Embedding a Coding DNA Sequence Using our Model Trained without Token Type ID

from SynCodonLM import CodonEmbeddings

model = CodonEmbeddings(model_name='jheuschkel/SynCodonLM-V2-NoTokenType') #this loads the model & tokenizer using our built-in functions

seq = 'ATGTCCACCGGGCGGTGA'

mean_pooled_embedding = model.get_mean_embedding(seq)
#returns --> tensor of shape [768]

raw_output = model.get_raw_embeddings(seq)
raw_embedding_final_layer = raw_output.hidden_states[-1] #treat this like a typical Hugging Face model dictionary based output!
#returns --> tensor of shape [batch size (1), sequence length, 768]

Citation

If you use this work, please cite:

@article{10.1093/nar/gkag166,
    author = {Heuschkel, James and Kingsley, Laura and Pefaur, Noah and Nixon, Andrew and Cramer, Steven},
    title = {Advancing codon language modeling with synonymous codon constrained masking},
    journal = {Nucleic Acids Research},
    volume = {54},
    number = {5},
    pages = {gkag166},
    year = {2026},
    month = {02},
    abstract = {Codon language models offer a promising framework for modeling protein-coding DNA sequences, yet current approaches often conflate codon usage with amino acid semantics, limiting their ability to capture DNA-level biology. We introduce SynCodonLM, a codon language model that enforces a biologically grounded constraint: masked codons are only predicted from synonymous options, guided by the known protein sequence. This design disentangles codon-level from protein-level semantics, enabling the model to learn nucleotide-specific patterns. The constraint is implemented by masking non-synonymous codons from the prediction space prior to softmax. Unlike existing models, which cluster codons by amino acid identity, SynCodonLM clusters by nucleotide properties, revealing structure aligned with DNA-level biology. Furthermore, SynCodonLM outperforms existing models on six of seven benchmarks sensitive to DNA-level features, including messenger RNA and protein expression. Our approach advances domain-specific representation learning and opens avenues for sequence design in synthetic biology, as well as deeper insights into diverse bioprocesses.},
    issn = {1362-4962},
    doi = {10.1093/nar/gkag166},
    url = {https://doi.org/10.1093/nar/gkag166},
    eprint = {https://academic.oup.com/nar/article-pdf/54/5/gkag166/67103471/gkag166.pdf},
}
}

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
SynCodonLM
Ревизия весов
11a4da4

0 моделей