/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-NC-SA 4.0
Архитектура
gpt2 · dense
Базовая модель
plant-dnagpt-BPE
Опубликована
3 июл 2024

plant-dnagpt-BPE-promoter

Классификация текстаТекст → label3 профессии

Дообученная GPT-2-модель для классификации последовательностей ДНК растений и прогнозирования активных основных промоторов.

142скачиваний за 30 дней0лайковвеса обновлены14 окт 2024

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

zhangtaolab разработала эту модель как дообученную версию GPT-2-модели zhangtaolab/plant-dnagpt-BPE, предварительно обученной на геномах растений. Она предназначена для классификации последовательностей ДНК и прогнозирования активных основных промоторов. Модель использует архитектуру GPT-2 с токенизатором BPE, настроенным для последовательностей ДНК; словарь содержит 8000 токенов, контекст — 1024 токена.

Модель подходит для анализа геномных последовательностей растений и поиска кандидатов в активные промоторы. Для дообучения использовались данные plant-multi-species-core-promoters. Репозиторий содержит веса safetensors; для запуска предусмотрена библиотека Transformers. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях с ограничением некоммерческого использования. Результаты следует рассматривать как предсказания классификатора, а не как экспериментальное подтверждение активности промотора.

Сценарии применения

  • поиск активных основных промоторов в геномных последовательностях растений
  • классификация последовательностей ДНК растений
  • анализ кандидатов в промоторы для геномных исследований

Ограничения

Модель ориентирована на прогнозирование активных основных промоторов растений; README не сообщает метрики качества или ограничения по конкретным видам растений. Лицензия запрещает коммерческое использование.

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

Plant foundation DNA large language models

The plant DNA large language models (LLMs) contain a series of foundation models based on different model architectures, which are pre-trained on various plant reference genomes.
All the models have a comparable model size between 90 MB and 150 MB, BPE tokenizer is used for tokenization and 8000 tokens are included in the vocabulary.

Developed by: zhangtaolab

Model Sources

Architecture

The model is trained based on the OpenAI GPT-2 model with modified tokenizer specific for DNA sequence.

This model is fine-tuned for predicting active core promoters.

How to use

Install the runtime library first:

pip install transformers

Here is a simple code for inference:

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline

model_name = 'plant-dnagpt-BPE-promoter'
# load model and tokenizer
model = AutoModelForSequenceClassification.from_pretrained(f'zhangtaolab/{model_name}', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(f'zhangtaolab/{model_name}', trust_remote_code=True)

# inference
sequences = ['TTACTAAATTTATAACGATTTTTTATCTAACTTTAGCTCATCAATCTTTACCGTGTCAAAATTTAGTGCCAAGAAGCAGACATGGCCCGATGATCTTTTACCCTGTTTTCATAGCTCGCGAGCCGCGACCTGTGTCCAACCTCAACGGTCACTGCAGTCCCAGCACCTCAGCAGCCTGCGCCTGCCATACCCCCTCCCCCACCCACCCACACACACCATCCGGGCCCACGGTGGGACCCAGATGTCATGCGCTGTACGGGCGAGCAACTAGCCCCCACCTCTTCCCAAGAGGCAAAACCT',
             'GACCTAATGATTAACCAAGGAAAAATGCAAGGATTTGACAAAAATATAGAAGCCAATGCTAGGCGCCTAAGTGAATGGATATGAAACAAAAAGCGAGCAGGCTGTCTATATATGGACAATTAGTTGCATTAATATAGTAGTTTATAATTGCAAGCATGGCACTACATCACAACACCTAAAAGACATGCCGTGATGCTAGAACAGCCATTGAATAAATTAGAAAGAAAGGTTGTGGTTAATTAGTTAACGACCAATCGAGCCTACTAGTATAAATTGTACCTCGTTGTTATGAAGTAATTC']
pipe = pipeline('text-classification', model=model, tokenizer=tokenizer,
                trust_remote_code=True, top_k=None)
results = pipe(sequences)
print(results)

Training data

We use GPT2ForSequenceClassification to fine-tune the model.
Detailed training procedure can be found in our manuscript.

Hardware

Model was trained on a NVIDIA GTX1080Ti GPU (11 GB).

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2ForSequenceClassification
Ревизия весов
372892f

0 моделей