TM-Vec 2 — трансформерная модель белковых последовательностей для поиска удалённой гомологии и структурного сходства белков.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
TM-Vec 2 — модель семейства TM-Vec, разработанная scikit-bio для поиска удалённой гомологии белков. Это дообученная трансформерная языковая модель для белковых последовательностей, использующая оценку TM-score при сопоставлении структур. Модель предназначена для выявления сходства между белками, даже если их последовательности заметно различаются.
Модель ориентирована на биоинформатические исследования, поиск структурно родственных белков и структурное выравнивание. В карточке Hugging Face указан pipeline fill-mask; репозиторий содержит веса PyTorch. Лицензия — BSD 3-Clause. Размер модели, длина контекста и поддержка естественных языков в предоставленных данных не описаны.
Описание не содержит сведений о точности, ограничениях входных последовательностей или требованиях к вычислительным ресурсам.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
TM-Vec 2: Transformer-based architecture for remote homology detection.
TM-Vec is a family of protein language models fine-tuned for structure prediction, using tm-score as its predictor.
To learn more, read the original TM-Vec paper here: Protein remote homology detection and structural alignment using deep learning
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
В репозитории нет config.json: не понять архитектуру модели.