IV.6Научные исследования, математика и новые материалы

GPUmatLLM — специализированная языковая модель для вопросов и ответов по материалам, применяемым в GPU. Она создана дообучением Qwen2.5-7B-Instruct с помощью LoRA ранга 8 и содержит 7,1 млрд параметров. Модель использует архитектуру Qwen2 и рассчитана на контекст до 32 768 токенов. Модель предназначена для исследовательских вопросов о материалах упаковки GPU, теплоотводе, полупроводниковых подложках и материалах межсоединений. Основной язык — китайский; интерфейс запускается через Transformers, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Ответы могут содержать фактические ошибки. Перед использованием в инженерных решениях их следует сверять с первоисточниками.

HealFormer Nside=1024 DECaLS — чекпойнт модели HealFormer (Mask-Aware HEALPix Transformer) для восстановления карты сходимости гравитационного линзирования κ по шумным и неполным картам сдвига γ1 и γ2 на сфере HEALPix в порядке NESTED. Модель учитывает маску наблюдений и границы обзора с помощью меток маски и обучаемых токенов маски, сохраняя сферическую структуру без планарной проекции. Чекпойнт рассчитан на разрешение Nside=1024, что соответствует 12 582 912 пикселям; он использует обучаемое позиционное представление проекции, требуемое для этого процесса, без интерполяции позиционных кодировок. На вход подаются физические карты γ1, γ2 и целочисленная маска mask_npix, на выходе — карта κ. Веса модели размером 113,2 млн параметров доступны в формате safetensors. Разработчик — lalala404; лицензия Apache-2.0. Модель предназначена для научной реконструкции карт слабого гравитационного линзирования в астрономических и космологических обзорах, включая данные DECaLS. Это специализированный чекпойнт с фиксированной конфигурацией Nside=1024; перенос на другие разрешения или схемы проекции не описан.

IDiom-85M — авторегрессионная белковая языковая модель на 85 млн параметров для генерации и изучения внутренне неупорядоченных областей белков (IDR). Модель разработана в рамках проекта IDiom; карточка ссылается на исследование о генеративном моделировании IDR с использованием признаков разреженного автоэнкодера. Модель предназначена для генерации белковых последовательностей и анализа IDR. Она обучена на наборе данных IDiom-DB и распространяется в формате safetensors. Лицензия — MIT. Языки в обычном смысле к модели неприменимы: она работает с белковыми последовательностями.

ImmunoMatch-κ — вариант белковой языковой модели ImmunoMatch, дообученный на антителах с κ-цепями. Модель разработана для изучения предпочтений спаривания тяжёлой и лёгкой цепей антител; на вход подают пару аминокислотных последовательностей доменов VH и VL. Это RoFormer-модель для классификации последовательностей с 268,5 млн параметров и контекстом до 256 токенов, основанная на AntiBERTa2-CSSP. Модель подходит для анализа совместимости пар вариабельных доменов антител и исследований репертуаров антител с κ-цепями. В семействе также представлены контрольные точки для антител с λ-цепями и для смеси антител с κ- и λ-цепями. Опубликована в формате PyTorch; лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

Intern-S1-mini — BBB Martins v27 L4 — это полноразмерный чекпойнт, полученный дообучением модели jiosephlee/Intern-S1-mini-lm командой, опубликовавшей репозиторий. Модель основана на плотной архитектуре Qwen3ForCausalLM с 7,6 млрд параметров; для запуска указана библиотека Transformers, веса сохранены в формате safetensors. Она предназначена для генерации текста в сценариях переноса и ранжирования результатов анализов (assay) для набора BBB Martins (L4). Чекпойнт выбран по метрике ranking_validation/overall/knn_id_mae_ood_f1_error_at_3 со значением 0,3382. В репозитории также есть конфигурация модели, токенизатор и метрики чекпойнта; обучение было прервано после сохранения опубликованных весов. Контекст модели составляет до 65 536 токенов. Лицензия в предоставленных данных не указана.

Intern-S1-mini context-conditioned molecule transfer V10.4 — BBB Martins — это дообученная модель jiosephlee на базе jiosephlee/Intern-S1-mini-lm для переноса свойств молекул с учётом контекста биологического анализа. Она предназначена для ранжирования молекул-кандидатов по сходству с заданным контекстом, связанным с проницаемостью гематоэнцефалического барьера (BBB) и набором Martins. Модель основана на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 65 536 токенов. Репозиторий содержит чекпойнт Transformers в формате safetensors. При обучении использовались 10 эпох с ограничением в 350 шагов и мягкая целевая функция; обучение остановили на шаге 207 после выхода валидационных показателей на плато, а чекпойнт выбрали по метрике knn_binary_macro_f1_at_5. В README приведены результаты на тестовом наборе: Macro-F1@5 0,6732 и NDCG@5 0,7365. Модель рассчитана на специализированные задачи переноса молекулярных свойств и поиска кандидатов в контексте BBB Martins, а не на универсальный диалог. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Результаты оценки относятся к описанному набору и метрикам; другие области применения ими не подтверждены.

laituan245/molt5-large-smiles2caption — модель на архитектуре T5 для преобразования строк SMILES в текстовые описания молекул. Она предназначена для генерации подписи или краткого описания по заданной химической структуре и может использоваться для автоматического представления молекул на естественном языке. Модель содержит 385,2 млн параметров и распространяется в формате PyTorch. Работа относится к направлению перевода между молекулами и естественным языком, описанному Carl Edwards, Tuan Lai, Kevin Ros, Garrett Honke и Heng Ji в статье «Translation between Molecules and Natural Language». Репозиторий распространяется по лицензии Apache-2.0. Доступные сведения подтверждают генерацию текстовых описаний из SMILES; конкретные языки описаний и ограничения качества не приведены.

mRNABERT — предобученная языковая модель YYLY66 для анализа последовательностей мРНК, представленная авторами работы «mRNABERT: advancing mRNA sequence design with a universal language model and comprehensive dataset». Это плотная архитектура BERT с 113,3 млн параметров, реализованная для Transformers и PyTorch; контекст — до 512 токенов. Модель обучена на более чем 18 млн очищенных последовательностей мРНК и использует контрастивное обучение для интеграции семантических признаков аминокислот. Модель предназначена для извлечения признаков из последовательностей мРНК и дообучения под прикладные задачи. В метаданных указаны задачи fill-mask и text-classification; основная задача — восстановление замаскированных элементов последовательности. Перед подачей данные нужно предварительно обработать: регионы UTR разделять по одной букве, а CDS — по три символа. Модель специализируется на биологических последовательностях и не предназначена для обычного текста. Лицензия — Apache-2.0.

Nucleotide Transformer v2 100M Multi-Species — трансформерная языковая модель для анализа последовательностей ДНК, разработанная InstaDeep, NVIDIA и TUM. Модель содержит 94,4 млн параметров и обучена на геномах 850 видов, охватывающих около 174 млрд нуклеотидов. Она использует токенизацию 6-меров, вращательные позиционные эмбеддинги и Gated Linear Units; максимальная длина входа при обучении составляла 1000 токенов, контекст модели — 2050 токенов. Основная задача по метаданным — восстановление замаскированных фрагментов последовательности. Представления модели также подходят для классификации последовательностей и разметки токенов, включая задачи предсказания молекулярных фенотипов. Она предназначена для геномных исследований с видами, представленными в обучающей выборке; растения и вирусы в неё не входили. Модель работает с последовательностями ДНК и не предназначена для обычного текста. Лицензия CC BY-NC-SA 4.0 допускает использование на условиях атрибуции, распространения производных на тех же условиях и ограничивает коммерческое применение.

OpenMed-ZeroShot-NER-DNA-Medium-209M — модель OpenMed для распознавания биомедицинских именованных сущностей в тексте. Она основана на архитектуре GLiNER и дообучена на корпусе JNLPBA, содержащем аннотации белков, ДНК, РНК, клеточных линий и типов клеток. Размер 209 млн параметров указан в названии модели; модель доступна в формате PyTorch. Модель предназначена для извлечения сущностей из научной биомедицинской литературы и других профильных текстов, например при анализе молекулярных взаимодействий, подготовке данных для курирования биологических путей и исследованиях в области геномики. В zero-shot режиме можно задавать типы сущностей без отдельного дообучения под каждую метку. В README приведён результат F1 0,8208 на тестовой выборке JNLPBA; заявленные возможности на произвольных типах сущностей следует проверять на целевых данных. Модель принимает текст и выдаёт обнаруженные сущности с метками. В карточке указана поддержка английского языка. Лицензия — Apache-2.0. Результаты на JNLPBA не гарантируют такую же точность на других жанрах текста или при извлечении редких и пользовательских типов сущностей.

OpenMed-ZeroShot-NER-DNA-XLarge-770M — модель OpenMed для распознавания именованных сущностей в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе JNLPBA, содержащем аннотации белков, ДНК, РНК, клеточных линий и типов клеток. Модель принимает текст и возвращает найденные сущности с метками; благодаря zero-shot подходу можно задавать собственные типы сущностей без отдельного дообучения. Модель предназначена для извлечения молекулярно-биологических сущностей из научных публикаций и других биомедицинских текстов, например для курирования путей, анализа молекулярных взаимодействий и обработки омных данных. В README приведён результат F1 0,8106 на тестовой выборке JNLPBA; также заявлена совместимость с экосистемой Hugging Face Transformers. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Качество распознавания пользовательских и редких типов сущностей может зависеть от выбранного порога и требует проверки на конкретном наборе данных. Описанные результаты относятся к JNLPBA и не подтверждают одинаковую точность на произвольных клинических текстах; README также содержит более широкие заявления о возможностях, чем перечисленные в нём пять типов обучающих сущностей.

OpenMed/OpenMed-ZeroShot-NER-Protein-Base-220M — специализированная модель OpenMed для распознавания сущностей в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе FSU, посвящённом белковым взаимодействиям и молекулярной биологии. Модель принимает текст и возвращает обнаруженные сущности с типами. Основное назначение — поиск белков, белковых комплексов, семейств и вариантов белков, а также связанных молекулярно-биологических сущностей. Нулевой режим позволяет задавать типы сущностей при запросе без отдельного дообучения под каждую категорию. Это подходит для извлечения данных из научной литературы и поддержки анализа белок-белковых взаимодействий и биологических путей. В README приведён F1 0,85 на тестовом наборе FSU, исключённом из обучения. Модель ориентирована на англоязычные биомедицинские тексты. Она выпущена в формате PyTorch под лицензией Apache-2.0. Заявления README о распознавании произвольных типов сущностей и высокой точности не гарантируют одинакового качества для редких меток или клинических текстов; порог предсказания может потребовать настройки.

OpenMed-ZeroShot-NER-Protein-Large-459M — модель OpenMed для распознавания биомедицинских сущностей в тексте. Она построена на архитектуре GLiNER и дообучена на корпусе FSU, посвящённом белкам, белковым взаимодействиям и молекулярной биологии; размер модели — 459 млн параметров. Модель принимает текст и возвращает найденные сущности с типами и позициями. Основное назначение — извлечение белков, белковых комплексов, семейств и вариантов для анализа научной литературы, поиска белок-белковых взаимодействий и моделирования биологических путей. Zero-shot-интерфейс позволяет задавать типы сущностей при запросе без отдельного дообучения, хотя качество для типов, не представленных в обучающих данных, может быть ниже. Карточка сообщает F1 0,92 на тестовой выборке FSU, исключённой из обучения. Модель рассчитана прежде всего на англоязычный биомедицинский текст; лицензия — Apache-2.0. Результаты зависят от формулировки меток сущностей и порога предсказания, а заявленные показатели относятся к FSU и не гарантируют аналогичного качества на других корпусах или клинических сценариях.

OpenMed/OpenMed-ZeroShot-NER-Protein-XLarge-770M — специализированная модель распознавания именованных сущностей в биомедицинских текстах, разработанная OpenMed. Она основана на архитектуре GLiNER и дообучена на корпусе FSU для извлечения белков, белковых комплексов, семейств и вариантов, а также связанных терминов молекулярной биологии. Модель поддерживает zero-shot-разметку: типы сущностей задаются при использовании, поэтому её можно адаптировать к новым категориям без отдельного дообучения. Модель предназначена для анализа научной литературы и клинических записей, извлечения белковых сущностей для поиска взаимодействий, моделирования путей и задач системной биологии. В README приведён результат F1 около 0,88 на тестовой выборке FSU. В метаданных указаны тег token-classification, формат PyTorch, английский язык и лицензия Apache-2.0. Качество зависит от текста, выбранных меток и порога предсказания; README отмечает, что для редких пользовательских типов может помочь снижение порога. Результаты на FSU не гарантируют аналогичную точность на других корпусах или клинических сценариях.

PLTNUM-ESM2-NIH3T3 — белковая языковая модель семейства ESM-2, созданная на основе facebook/esm2_t33_650M_UR50D и дообученная авторами на данных о периоде полураспада белков в клетках мышиной линии NIH3T3. Она предназначена для прогнозирования периода полураспада белка по его аминокислотной последовательности, в частности в контексте этой клеточной линии. Модель содержит 865,1 млн параметров, использует архитектуру ESM для masked language modeling и поддерживает контекст до 1026 токенов. Репозиторий предоставляет веса PyTorch и распространяется по лицензии MIT. Оценки точности и ограничения за пределами указанного набора данных в карточке не приведены.

ProtGPT3-112M — авторегрессионная языковая модель для генерации белковых последовательностей, разработанная командой AI4PD. Это самая компактная модель семейства ProtGPT3. Она принимает одну белковую последовательность или затравку и продолжает её, предсказывая последовательность токен за токеном. Архитектура — причинная Mixtral-подобная смесь экспертов; модель содержит 21 млн параметров и рассчитана на контекст до 1025 токенов. Модель подходит для генерации и исследования вариантов белковых последовательностей. Она обучена на общедоступных данных о белках и может наследовать их смещения. Результаты могут быть нефункциональными, нестабильными, нерастворимыми или биологически неправдоподобными; функциональность, безопасность и возможность синтеза не гарантируются. Сгенерированные последовательности требуют вычислительной и экспериментальной проверки, а модель не должна быть единственным основанием для клинических, экологических или критически важных решений. Лицензия в предоставленных данных не указана.

unsloth/Qwen2.5-Math-1.5B-bnb-4bit — 4-битная версия базовой модели Qwen2.5-Math-1.5B, разработанной командой Qwen. Модель предназначена прежде всего для решения математических задач на английском и китайском языках, включая сценарии с пошаговым рассуждением Chain-of-Thought (CoT) и Tool-integrated Reasoning (TIR). Это базовая, а не диалоговая instruction-модель, поэтому она подходит для генерации продолжений, few-shot-инференса и дальнейшего дообучения. Модель содержит 1,5 млрд параметров и работает с текстовыми входными данными; поддержка других модальностей не заявлена. Ключевая особенность семейства Qwen2.5-Math — сочетание рассуждений на естественном языке с использованием инструментов для более точных вычислений, символьных преобразований и алгоритмических операций. 4-битное представление bnb уменьшает требования к памяти и может упростить запуск на доступном GPU, однако README не приводит точные показатели качества или производительности именно для этой сборки. Модель специализирована на математике и не рекомендуется разработчиком для других задач. Для работы требуется transformers версии 4.37.0 или новее. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-Math-72B-Instruct-GGUF — квантизированная версия языковой модели Qwen2.5-Math-72B-Instruct, подготовленная bartowski в формате GGUF для запуска через llama.cpp и совместимых приложений, включая LM Studio. Исходная модель разработана командой Qwen и ориентирована на генерацию текста в диалоговом формате, прежде всего на решение математических задач и рассуждения на английском языке. Модель имеет размер 72 млрд параметров и поставляется в нескольких вариантах квантования: от Q8_0 с максимальным качеством до более компактных IQ1, IQ2, IQ3 и Q2–Q6 форматов. Наиболее рекомендуемыми в README названы Q6_K, Q5_K_M, Q4_K_M и IQ4_XS; Q4_K_M описан как стандартный компромисс между размером и качеством. Размер файлов составляет примерно от 23,74 до 77,26 ГБ. Для некоторых вариантов используются неквантизированные до Q8_0 веса embedding и output, что может повышать качество, но эффект зависит от сценария. Сильной стороной является специализация исходной модели на математических задачах и широкий выбор квантованных вариантов для различного объёма доступной RAM. Более агрессивное квантование уменьшает требования к памяти, но снижает качество; варианты Q2, Q3 и IQ1 имеют заметные ограничения, а IQ1_M не рекомендуется. Мультимодальность, длина контекста, точная архитектура и поддерживаемые языки кроме английского в README не указаны. Используется лицензия Qwen; конкретные условия следует уточнять в лицензии исходной модели.

unsloth/Qwen2.5-Math-7B-Instruct — инструкционная языковая модель семейства Qwen2.5-Math, представленная Unsloth как дообученная версия Qwen/Qwen2.5-Math-7B-Instruct. Это плотная авторегрессионная модель архитектуры Qwen2ForCausalLM с 7,1 млрд параметров, рассчитанная на генерацию ответов в диалоге; максимальная длина контекста — 4096 токенов. Модель предназначена прежде всего для решения математических задач на английском и китайском языках с пошаговым рассуждением (CoT) и интеграцией инструментов (TIR), полезной для точных вычислений, символьных преобразований и алгоритмических задач. Карточка предупреждает, что семейство не рекомендуется для задач за пределами математики. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Указанная поддержка английского языка в метаданных не отменяет заявленную в карточке модели поддержку китайского; для русского языка целевая поддержка не заявлена.

SeongryongJung/qwen3-4b-chemistry-sdpo-ema005 — дообученная языковая модель на базе Qwen/Qwen3-4B, разработанная для задач химии. Репозиторий содержит последний чекпойнт обучения global_step_100, преобразованный в формат Transformers; модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров. Модель предназначена для генерации текста и решения химических задач с использованием обучения SDPO. Валидационная метрика mean@16 достигала 77,05% на шаге 50, а значение последнего чекпойнта составило 76,19%; лучший промежуточный чекпойнт не опубликован, поэтому эти результаты не следует считать оценкой именно загруженных весов. Контекст — до 40 960 токенов. Лицензия Apache-2.0.

RFamLlama-large — условная языковая модель для генерации последовательностей РНК, разработанная авторами проекта RFamLlama. Модель обучена на последовательностях более чем 4 000 семейств РНК с управляющими тегами семейств и построена на архитектуре Llama. Размер модели — 88,5 млн параметров, длина контекста — 2 048 токенов. Модель принимает текстовый промпт с Rfam ID и генерирует последовательность РНК соответствующего семейства. В статье проекта также описаны применение тегов семейств для предсказания фитнеса РНК в режиме zero-shot. Модель предназначена для научной работы с РНК и потенциальных терапевтических исследований; README не приводит оценок качества или подробностей ограничений генерации. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

RIBOSPAN-1K-40 — чекпойнт семейства фундаментальных моделей RIBOSPAN для работы с последовательностями РНК. Разработчик — SII-GAIR-NLP. Модель содержит 1,61 млрд параметров и использует плотную трансформерную архитектуру RiboSpanForMaskedLM с 32 слоями и размерностью скрытого пространства 2048; длина контекста составляет 1024 токена. Чекпойнт получен продолжением предобучения RIBOSPAN-1K-15 с долей маскирования 40%. Он предназначен для восстановления замаскированных фрагментов РНК, в том числе при сильном повреждении последовательности, сохраняя представления базовой модели. Применим в задачах анализа РНК и геномики, где требуется предсказание скрытых участков последовательности. Для использования указана лицензия other; её конкретные условия следует проверить в репозитории модели. В метаданных указан датасет предобучения SII-GAIR-NLP/RIBOSPAN-FM-Corpus.

RITA-S — авторегрессионная языковая модель для белковых последовательностей, созданная совместно LightOn, группой OATML Оксфордского университета и лабораторией Debbie Marks в Гарварде. Это версия семейства RITA малого размера; модель содержит 99,1 млн параметров и использует архитектуру RITA для причинной генерации последовательностей.

SegmentNT — модель сегментации геномных последовательностей, разработанная InstaDeep. Она определяет расположение 14 типов геномных элементов человека с точностью до отдельного нуклеотида: генов и их частей, сайтов сплайсинга, сигналов polyA, промоторов, энхансеров и участков связывания CTCF. Модель использует энкодер nucleotide-transformer-v2-500m-multi-species без языковой головы и одномерную U-Net-голову сегментации. В README указано 562 млн параметров; входные последовательности могут достигать 30 тыс. нуклеотидов. Данные обучения охватывают геном человека, а обучение и проверка проводились с выделенными хромосомами для валидации и тестирования. SegmentNT предназначена для аннотирования геномных последовательностей и анализа расположения геномных и регуляторных элементов. Для использования README указывает на необходимость установить Transformers из исходного кода до следующего выпуска. Модель распространяется по лицензии CC-BY-NC-SA-4.0.

seyonec/SMILES_tokenized_PubChem_shard00_50k — модель, опубликованная Seyone Chithrananda на Hugging Face. Она предназначена для заполнения маскированных токенов в строках SMILES, то есть для восстановления пропущенных фрагментов представлений химических структур. Модель основана на архитектуре RoBERTa, содержит около 96,6 млн параметров и поддерживает контекст длиной до 514 токенов. В карточке Hugging Face указаны библиотеки Transformers, PyTorch и JAX, а задача модели обозначена как fill-mask. Модель работает с токенизированными SMILES из набора PubChem и ориентирована на химико-информационные сценарии. Модель может применяться для предсказания пропущенных токенов в молекулярных строках и предварительного обучения или извлечения представлений химических структур. Карточка модели не содержит подробного описания качества, ограничений, лицензии, набора поддерживаемых естественных языков или специализированных downstream-задач, поэтому эти характеристики нельзя надёжно установить.

Модель SpanMarker для распознавания именованных сущностей в биомедицинских текстах. Она разработана на основе bert-base-uncased и обучена на наборе BioNLP2004; модель выделяет, в частности, упоминания ДНК, РНК и клеточных линий. Модель предназначена для автоматической разметки сущностей в научных текстах, например для извлечения биомедицинских терминов из статей. Максимальная длина последовательности — 256 токенов, максимальная длина сущности — 8 слов. В README приведена общая оценка F1 0,7621 на BioNLP2004. Для работы используется библиотека SpanMarker; веса доступны в форматах PyTorch и safetensors. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

Карточка модели ICML2022/Tranception на Hugging Face совпадает с карточкой OATML-Markslab/Tranception_Large, поэтому описание составлено по ней. Tranception Large — модель для оценки приспособленности белковых последовательностей, созданная в совместном проекте Marks lab и OATML и представленная в работе о предсказании эффектов вариантов белков. Она использует авторегрессионную трансформерную архитектуру и при выводе может извлекать сведения о гомологичных последовательностях. Модель предназначена для оценки влияния мутаций, включая множественные замены и вставки или делеции, а также для анализа вариантов белков и проектирования биотерапевтических белков. По карточке модели Tranception показывает высокое качество на нескольких мутациях, устойчивость к неглубоким выравниваниям и возможность оценивать вставки и делеции. Метаданные указывают архитектуру Tranception, библиотеку PyTorch и контекст до 1024 токенов. Репозиторий содержит веса в формате PyTorch. Сведения о лицензии в предоставленных материалах отсутствуют.

gabrielbianchin/base_esm2_t30_long — базовая модель семейства ESM2 для связанной квантизированной версии T30. Это плотная модель типа EsmForMaskedLM с 196,6 млн параметров, предназначенная для предсказания замаскированных токенов в последовательностях. Репозиторий содержит веса в формате safetensors; заявленная длина контекста — 2050 токенов. Модель относится к белковому семейству ESM2 и подходит для заполнения пропусков в последовательностях аминокислот. README называет её базой для gabrielbianchin/esm2_t30_long_int4. Лицензия и конкретные ограничения применения в предоставленных данных не описаны.

pruas/BENT-PubMedBERT-NER-Gene — модель распознавания именованных сущностей в биомедицинских текстах, разработанная Pedro Ruas и Francisco M. Couto. Она дообучена на PubMedBERT для выделения упоминаний генов и белков; обучающие корпуса также охватывают DNA, RNA, белковые комплексы, ферменты и родственные категории. Модель использует архитектуру BERT с классификационной головой для разметки токенов, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Она предназначена для извлечения биомедицинских сущностей из англоязычных научных текстов, включая статьи и материалы по геномике и молекулярной биологии. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Распознавание зависит от формулировок и типов сущностей, представленных в обучающих корпусах; README не сообщает метрики качества или ограничения по конкретным типам документов.

BulkFormer-147M — модель семейства BulkFormer для анализа транскриптомов bulk RNA-seq, представленная как крупнейший из пяти вариантов семейства. Разработана на основе работы Kang, Fan и соавторов, опубликованной в Cell Systems в 2026 году; веса преобразованы в формат, совместимый с Transformers. Архитектура — BulkFormerModel, 147 млн параметров; файлы доступны в формате safetensors. Модель предназначена для извлечения признаковых представлений на уровне генов или экспрессии, а также может служить основой для тонкой настройки с классификационной головой, продолжения предобучения с masked imputation и объединения эмбеддингов с ESM2. Лицензия — MIT. Карточка отсылает к отдельному пакету для инструкций по использованию.