/ Модель

Характеристики

Контекст
1 024 токена
Параметры
26,3 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
prokbert · dense
Опубликована
14 сен 2024

PhaStyle-mini

Заполнение пропусковТекст → текст3 профессии

ProkBERT PhaStyle-mini классифицирует нуклеотидные последовательности бактериофагов как вирулентные или умеренные, в том числе на фрагментированных метагеномных данных.

1 377скачиваний за 30 дней0лайковвеса обновлены23 янв 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

ProkBERT PhaStyle-mini — модель на основе архитектуры ProkBERT, дообученная для предсказания образа жизни бактериофагов по нуклеотидным последовательностям. Она относит фаги к вирулентным или умеренным и рассчитана на работу с фрагментами, характерными для метагеномных и метавиромных данных. Модель содержит 26,3 млн параметров, использует контекст до 1024 токенов; при обучении применялись сегменты длиной 512 пар оснований. Для инференса нужны токенизатор ProkBERT и специальная модель классификации с pooling.

В README описаны сценарии анализа фагов в метагеномных исследованиях, микробиомной инженерии и изучении фаготерапии. Обучение проводилось на наборе BACPHLIP без последовательностей E. coli, а также использовались коллекции фагов Escherichia и экстремофильных фагов. Модель предназначена только для бинарной классификации фаговых последовательностей и не подходит для нефаговых данных; для крупномасштабного инференса рекомендуется GPU. Лицензия — CC BY-NC-SA 4.0.

Сценарии применения

  • определение образа жизни бактериофага по его последовательности
  • классификация фрагментов фагов в метагеномных сборках
  • поиск вирулентных фагов для исследований фаготерапии
  • анализ фагов в микробиомных исследованиях
  • оценка фагов из экстремальных сред

Ограничения

Модель предназначена для бинарной классификации фаговых последовательностей и не обрабатывает нефаговые последовательности. Для массового инференса рекомендуется GPU.

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

ProkBERT PhaStyle

Model Name: neuralbioinfo/PhaStyle-mini
Model Type: Genomic Language Model (ProkBERT-based)
Model Description:

ProkBERT PhaStyle is a fine-tuned genomic language model designed for phage lifestyle prediction. It classifies phages as either virulent or temperate directly from nucleotide sequences. The model is based on ProkBERT architecture and was trained on the BACPHLIP dataset, excluding E. coli sequences By leveraging transfer learning, ProkBERT PhaStyle is optimized for handling fragmented sequences, commonly encountered in metagenomic and metavirome datasets. The model provides a fast, efficient alternative to traditional methods without requiring complex preprocessing pipelines or curated databases.

Key Points:

  • Trained on BACPHLIP dataset excluding E. coli sequences.
  • Segment Length for training: 512 base pairs.
  • Output: Binary classification (virulent or temperate).
  • Model Parameters: ~25 million parameters.

Intended Use

ProkBERT PhaStyle is designed for phage lifestyle prediction tasks, suitable for:

  • Phage Therapy: Identifying virulent phages for bacterial infection treatment.
  • Microbiome Engineering: Understanding the interaction between temperate and virulent phages in various microbiomes.
  • Metagenomic Studies: Classifying fragmented phage sequences from environmental or clinical samples.

Inference Code

ProkBERT PhaStyle requires the ProkBERT tokenizer and a custom classification model (BertForBinaryClassificationWithPooling). Below is a high-level overview of how to use the model in inference mode:

aaa
python bin/PhaStyle.py \
    --fastain data/EXTREMOPHILE/extremophiles.fasta \
    --out output_predictions.tsv \
    --ftmodel neuralbioinfo/PhaStyle-mini \
    --modelclass BertForBinaryClassificationWithPooling \
    --per_device_eval_batch_size 196

Datasets Used:

  • BACPHLIP (without E. coli): 1,868 training sequences and 246 validation sequences.
  • Guelin Collection: 394 Escherichia phages (temperate and virulent types).
  • EXTREMOPHILE Phages: 16 phages isolated from extreme environments, including deep-sea, acidic, and arsenic-rich habitats.

Each dataset was processed using 512bp segment lengths to simulate fragmented metagenomic assemblies.


Performance Results

The performance of ProkBERT PhaStyle was evaluated on various datasets, including Escherichia and EXTREMOPHILE phages, using segment lengths of 512bp and 1022bp. The results are summarized below:

Performance on Escherichia Test Set (512bp segments)

MethodBalanced AccuracyMCCSensitivitySpecificity
ProkBERT-mini0.910.830.940.89
ProkBERT-mini-long0.900.820.960.85
ProkBERT-mini-c0.890.800.950.84
DNABERT-2-117M0.840.720.950.74
Nucleotide Transformer-50m0.850.720.920.78
Nucleotide Transformer-100m0.870.750.930.82
Nucleotide Transformer-500m0.880.780.960.80
DeePhage0.860.710.840.88
PhaTYP0.910.830.940.88

Performance on Escherichia Test Set (1022bp segments)

MethodBalanced AccuracyMCCSensitivitySpecificity
ProkBERT-mini0.940.880.970.91
ProkBERT-mini-long0.940.890.970.91
ProkBERT-mini-c0.930.870.970.89
DNABERT-2-117M0.900.800.950.85
Nucleotide Transformer-50m0.900.800.940.85
Nucleotide Transformer-100m0.920.830.940.89
Nucleotide Transformer-500m0.910.840.960.87
DeePhage0.910.820.940.88
PhaTYP0.920.840.960.87

Performance on EXTREMOPHILE Test Set (512bp segments)

MethodBalanced AccuracyMCCSensitivitySpecificity
ProkBERT-mini0.930.830.990.87
ProkBERT-mini-long0.930.821.000.86
ProkBERT-mini-c0.920.800.990.84
DNABERT-2-117M0.890.740.990.79
Nucleotide Transformer-50m0.910.790.980.84
Nucleotide Transformer-100m0.900.760.970.82
Nucleotide Transformer-500m0.910.780.990.82
DeePhage0.870.750.840.91
PhaTYP0.760.520.740.79

Performance on EXTREMOPHILE Test Set (1022bp segments)

MethodBalanced AccuracyMCCSensitivitySpecificity
ProkBERT-mini0.960.911.000.93
ProkBERT-mini-long0.960.901.000.92
ProkBERT-mini-c0.940.861.000.89
DNABERT-2-117M0.940.850.980.90
Nucleotide Transformer-50m0.930.830.990.87
Nucleotide Transformer-100m0.950.880.980.91
Nucleotide Transformer-500m0.960.891.000.91
DeePhage0.920.800.960.87
PhaTYP0.800.580.840.76

Inference Speed and Running Times

ModelExecution Time (seconds)Inference Speed (MB/sec)
ProkBERT-mini-long1320.52
ProkBERT-mini1410.49
ProkBERT-mini-c1460.47
DNABERT-2-117M2840.23
Nucleotide Transformer-50m2920.21
Nucleotide Transformer-100m3130.20
Nucleotide Transformer-500m5000.15
DeePhage1590.43
PhaTYP27180.10
BACPHLIP71250.04

For more detailed results, including additional metrics, please refer to the original research paper.

Inference Speed and Running Times

The computational performance of ProkBERT PhaStyle was evaluated using 1,000 randomly selected sequences from the BACPHLIP dataset. The evaluation was performed on a consistent hardware setup with NVIDIA Tesla A100 GPUs. The execution times and inference speeds of various models are summarized below:

Execution Times (in seconds)

ModelExecution Time (seconds)Inference Speed (MB/sec)
ProkBERT-mini-long1320.52
ProkBERT-mini1410.49
ProkBERT-mini-c1460.47
DNABERT-2-117M2480.25
Nucleotide Transformer-50m3420.18
Nucleotide Transformer-500m5020.12
DeePhage1590.43
PhaTYP2,7180.03
BACPHLIP7,1250.01

Limitations

ProkBERT PhaStyle is specifically designed for binary classification of phage lifestyles (virulent vs. temperate) and does not handle non-phage sequences. It is recommended to use this model in conjunction with upstream pipelines that identify phage sequences. For large-scale inference, GPU support is strongly advised.

Citing this work

If you use the data in this package, please cite:

@Article{ProkBERT2024,
  author  = {Ligeti, Balázs and Szepesi-Nagy, István and Bodnár, Babett and Ligeti-Nagy, Noémi and Juhász, János},
  journal = {Frontiers in Microbiology},
  title   = {{ProkBERT} family: genomic language models for microbiome applications},
  year    = {2024},
  volume  = {14},
  URL={https://www.frontiersin.org/articles/10.3389/fmicb.2023.1331233},       
	DOI={10.3389/fmicb.2023.1331233},      
	ISSN={1664-302X}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
ProkBertForSequenceClassification
Ревизия весов
85ec53c

0 моделей