/ Модель

Характеристики

Контекст
512 токенов
Параметры
40,8 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
SMILYAPE
Библиотека
transformers
Опубликована
18 сен 2024

SMILY-APE-BBBP

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa классифицирует SMILES-представления соединений по способности проникать через гематоэнцефалический барьер.

118скачиваний за 30 дней0лайковвеса обновлены13 мар 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

Модель разработал Miguelangel Leon: это версия RoBERTa, дообученная на наборе BBBP для бинарной классификации химических соединений по способности проникать через гематоэнцефалический барьер. На вход подаются молекулы в формате SMILES; для токенизации используется APE (Atom Pair Encoding), словарь которого находится в репозитории. Модель содержит 40,8 млн параметров, работает с контекстом до 512 токенов и предназначена для классификации последовательностей.

Модель подходит для предварительного отбора соединений и исследовательского анализа молекул. Она может хуже обобщать на соединения, заметно отличающиеся от химического пространства датасета BBBP; перед применением на новых данных рекомендуется отдельная оценка качества. Лицензия — MIT.

Сценарии применения

  • Предварительный отбор молекул-кандидатов по проницаемости гематоэнцефалического барьера
  • Бинарная классификация соединений по строкам SMILES
  • Сравнение молекулярных представлений в исследовании BBBP

Ограничения

Модель может плохо обобщать на соединения вне химического пространства датасета BBBP; перед применением на новых наборах данных требуется оценка качества. Она не предназначена для задач обработки естественного языка или немолекулярных данных.

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 Model ID

This model is fine-tuned on the BBBP (Blood-Brain Barrier Penetration) dataset and is designed to classify chemical compounds based on their ability to penetrate the blood-brain barrier. The input to the model is in the SMILES (Simplified Molecular Input Line Entry System) molecular representation format. The model uses the APE (Atom Pair Encoding) tokenizer for tokenizing the input, with the vocabulary stored in the same repository as the model under the file name tokenizer.json. The model is intended for sequence classification tasks and should be loaded with the AutoModelForSequenceClassification class.

Model Details

Model Description

This is a 🤗 transformers model fine-tuned on the BBBP dataset. It classifies chemical compounds as either penetrating or non-penetrating the blood-brain barrier. The model takes SMILES molecular representations as input and uses the APE Tokenizer for tokenization. The tokenizer’s vocabulary is stored in tokenizer.json, which is located in the same repository as the model.

  • Developed by: Miguelangel Leon
  • Funded by: This work was supported by national funds through FCT (Fundação para a Ciência e a Tecnologia), under the project - UIDB/04152/2020 (DOI:10.54499/UIDB/04152/2020) - Centro de Investigação em Gestão de Informação (MagIC)/NOVA IMS).
  • Model type: Sequence Classification
  • Language(s) (NLP): Not applicable (SMILES molecular representation)
  • License: MIT
  • Finetuned from model: mikemayuare/SMILYAPE

Model Sources

Uses

Direct Use

This model can be used directly for binary classification of chemical compounds to predict whether they penetrate the blood-brain barrier. The inputs must be formatted as SMILES strings.

Downstream Use

This model can be further fine-tuned for other chemical classification tasks, particularly those that use molecular representations in SMILES format.

Out-of-Scope Use

This model is not designed for tasks outside of chemical compound classification or tasks unrelated to molecular data (e.g., NLP).

Bias, Risks, and Limitations

As this model is fine-tuned on the BBBP dataset, it may not generalize well to compounds outside the dataset’s chemical space. Additionally, it is not suited for use in applications outside of chemical compound classification tasks.

Recommendations

Users should be cautious when applying this model to new chemical datasets that differ significantly from the BBBP dataset. Thorough evaluation on the target dataset is recommended before deployment.

How to Get Started with the Model

To use the model for classification, it must be loaded with the AutoModelForSequenceClassification class from 🤗 transformers. The APE tokenizer is required to process the input data, which should be formatted as SMILES.

You can load the APE tokenizer and the model with the following steps:

# Install the APETokenizer from the repository
# !git clone https://github.com/mikemayuare/apetokenizer
# Load the tokenizer
from src.apetokenizer.ape_tokenizer import APETokenizer

tokenizer = APETokenizer()
tokenizer.load_vocabulary("tokenizer.json")

# Load the model
from transformers import AutoModelForSequenceClassification

model = AutoModelForSequenceClassification.from_pretrained("mikemayuare/SMILY-APE-BBBP")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForSequenceClassification
Ревизия весов
1e0e3f2

0 моделей