/ Модель

Характеристики

Контекст
512 токенов
Параметры
29,9 млн
Архитектура
deberta-v2 · dense
Библиотека
transformers
Опубликована
3 мар 2025

seqLens_4096_512_23M-at-xsmall

Заполнение пропусковТекст → текст3 профессии

Компактная модель-кодировщик DeBERTa-v2 для заполнения пропусков в последовательностях ДНК и анализа геномных данных.

42скачиваний за 30 дней0лайковвеса обновлены17 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

seqLens_4096_512_23M-at-xsmall — разработанная omicseye модель-кодировщик для геномных последовательностей ДНК на архитектуре DeBERTa-v2 с разделённым вниманием и относительным позиционным кодированием. Модель содержит около 29,9 млн параметров, принимает последовательности длиной до 512 токенов и загружается через Transformers в формате safetensors.

Модель предназначена для заполнения замаскированных участков ДНК и как основа для анализа геномов, включая предсказания фенотипических признаков и аннотацию геномов. Она предварительно обучена на наборе omicseye/prok_heavy; семейство seqLens обучалось на корпусах референсных геномов прокариот и эукариот. Для применения к прикладным биологическим задачам могут потребоваться дополнительные классификационные головы или дообучение. Лицензия CC-BY-NC 4.0 ограничивает коммерческое использование; для коммерческого лицензирования README предлагает связаться с разработчиком.

Сценарии применения

  • восстановление замаскированных нуклеотидов в последовательностях ДНК
  • извлечение представлений геномных последовательностей для последующего анализа
  • подготовка основы для предсказания фенотипических признаков после дообучения
  • поддержка аннотации геномов после адаптации к целевой задаче

Ограничения

Максимальная длина входа составляет 512 токенов. Лицензия CC-BY-NC 4.0 не допускает коммерческого использования без отдельного разрешения.

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

Introduction

The seqLens models are a collection of genomic language models. seqLens models leverage an extensive dataset of 19,551 reference genomes, including over 18,000 prokaryotic genomes (115B nucleotides), alongside a more balanced dataset of 1,354 genomes spanning 1,166 prokaryotic and 188 eukaryotic reference genomes (180B nucleotides). Through systematic evaluation of 52 DNA language models with varying architectures, hyperparameters, and classification heads, we developed seqLens, a family of models based on disentangled attention with relative positional encoding. These models demonstrate superior performance, outperforming state-of-the-art methods in phenotypic predictions. The seqLens models provide a robust foundation for optimizing DNA language models and advancing genome annotations across diverse biological contexts.

  • Developed by: omicseye

  • Model type: Encoder

  • Language(s) (NLP): DNA

  • pretraining dataset: omicseye/prok_heavy

  • License: The model is made available under the [CC-BY-NC 4.0 License]. For inquiries about commercial licensing, please contact rahnavard@gwu.edu.

Model Sources

How to Get Started with the Model

from transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained("omicseye/seqLens_4096_512_23M-at-xsmall")
model = AutoModelForMaskedLM.from_pretrained("omicseye/seqLens_4096_512_23M-at-xsmall")

Citation

@article {seqLens,
	author = {Baghbanzadeh, Mahdi and Mann, Brendan and Crandall, Keith A and Rahnavard, Ali},
	title = {seqLens: optimizing language models for genomic predictions},
	elocation-id = {2025.03.12.642848},
	year = {2025},
	doi = {10.1101/2025.03.12.642848},
	publisher = {Cold Spring Harbor Laboratory},
	URL = {https://www.biorxiv.org/content/early/2025/03/14/2025.03.12.642848},
	eprint = {https://www.biorxiv.org/content/early/2025/03/14/2025.03.12.642848.full.pdf},
	journal = {bioRxiv}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForMaskedLM
Ревизия весов
2ad0c08

0 моделей