IV.6Научные исследования, математика и новые материалы

Dayhoff-170M-UR90-HL-2000 — модель для генерации белковых последовательностей из семейства Dayhoff, разработанного командой исследователей, перечисленных в карточке. Она предназначена для исследований в области белкового языкового моделирования: генерации последовательностей, оценки эффектов мутаций и проектирования белков с заданными структурными мотивами или эволюционным контекстом. Для этого чекпойнта указаны гибридная архитектура Jamba с блоками Mamba, Transformer и Mixture-of-Experts, 23,6 млн параметров и контекст до 262 144 токенов. Модель обучена на данных белковых последовательностей; её лицензия — MIT. Модель работает с белковыми последовательностями и может поддерживать генерацию и классификацию последовательностей. Карточка предупреждает, что её не следует использовать для генерации обычного текста, ДНК или других нецелевых последовательностей; реалистичность результата не гарантируется, а генерация новых последовательностей без сходства с природными белками остаётся сложной задачей.

Dayhoff-170M-UR90-HL-30000 — модель генерации белковых последовательностей из ресурса Dayhoff, разработанного командой исследователей, указанной в карточке. Она предназначена для исследований в области белкового языкового моделирования: генерации белков, оценки эффектов мутаций и проектирования последовательностей с заданными структурными мотивами или эволюционным контекстом. Вариант использует гибридную архитектуру Jamba: слои Mamba и Transformer с механизмом смеси экспертов; авторская карточка описывает обучение с авторегрессионной целью в направлениях N→C и C→N. Метаданные указывают 23,6 млн параметров, контекст до 262 144 токенов и формат safetensors. Модель принимает белковые последовательности и предназначена только для белковых данных, а не для естественного языка или последовательностей ДНК. Карточка предупреждает, что сгенерированные последовательности не всегда реалистичны и генерация качественных белков без гомологии с природными последовательностями остаётся сложной задачей. Лицензия — MIT.

Dayhoff-170M-UR90-HL-38000 — модель для генерации белковых последовательностей из семейства Dayhoff, разработанного авторами, перечисленными в карточке модели. Она предназначена для исследовательских задач белкового языкового моделирования, включая безусловный дизайн последовательностей, оценку эффектов мутаций без дообучения и создание белковых каркасов для структурных мотивов. Модель построена на гибридной архитектуре Jamba: слои Mamba и Transformer сочетаются с механизмом смеси экспертов. По метаданным, она содержит 23,6 млн параметров и поддерживает контекст до 262 144 токенов; веса опубликованы в формате safetensors. Модель обучена на данных белковых последовательностей Dayhoff и рассчитана на работу с белковыми последовательностями, а также длинными контекстами, включая развёрнутые множественные выравнивания последовательностей. Она не предназначена для естественного языка или последовательностей ДНК; сгенерированные последовательности не всегда реалистичны, а создание новых последовательностей без сходства с природными остаётся сложной задачей. Лицензия — MIT.

Dayhoff-3b-GR-HM — генеративная белковая языковая модель, разработанная командой исследователей, перечисленной в карточке Dayhoff. Она предназначена для исследовательских задач проектирования белковых последовательностей, в том числе генерации гомологов с заданным эволюционным контекстом. Модель использует гибридную архитектуру Mamba и Transformer с механизмом Mixture-of-Experts; в метаданных указаны 445,7 млн параметров и контекст до 262 144 токенов. Она обучалась на данных белковых последовательностей Dayhoff и поддерживает моделирование длинных последовательностей и множественных выравниваний, а также заполнение последовательности с обоих направлений. Модель применялась для генерации белков, оценки эффектов мутаций без дообучения и проектирования белковых каркасов по структурным мотивам. Карточка описывает её применение к белковым последовательностям, а не к естественному языку или ДНК. Не все сгенерированные последовательности реалистичны; сложно получать качественные последовательности без сходства с природными белками. Лицензия — MIT.

DeTikZify-DS1.3b — языковая модель, разработанная для автоматического преобразования эскизов и готовых научных иллюстраций в редактируемые программы графики TikZ с сохранением их смысла. Модель создана на основе DeepSeek Coder 1.3B и дообучена на наборе данных DaTikZv2; в метаданных указана плотная архитектура DetikzifyForCausalLM и 1,3 млрд параметров. Модель предназначена для генерации кода TikZ по визуальному содержимому, например при воссоздании научной фигуры в виде редактируемого исходного кода. Карточка не описывает входной формат изображения, поэтому возможности чтения изображения нельзя уверенно указать по имеющимся данным. Контекст модели составляет 16 384 токена. Лицензия указана как other, конкретные условия использования в карточке не раскрыты.

DeTikZify-DS7b — языковая модель для преобразования эскизов и готовых научных иллюстраций в редактируемые программы на TikZ с сохранением их смысла. Модель разработана в рамках проекта DeTikZify и дообучена на датасете DaTikZ-v2 на основе DeepSeek Coder 7B v1.5. В карточке указано имя DS1.3b, тогда как идентификатор репозитория и название карточки указывают на DS7b; поэтому точный размер по README неоднозначен. Метаданные каталога указывают 6,5 млрд параметров. Модель предназначена для генерации TikZ-кода по изображениям научных рисунков и эскизов. Архитектура — плотная авторегрессионная языковая модель; она принимает изображения и выдаёт текстовый код TikZ. Контекст составляет 4096 токенов. Репозиторий содержит веса safetensors, лицензия указана как other. Модель подходит для создания редактируемых векторных иллюстраций, однако качество зависит от сложности и разборчивости исходного изображения. Карточка не сообщает подробностей о точной лицензии или языковом охвате.

DistilProtBert — дистиллированная белковая языковая модель на основе ProtBert-UniRef100. Она разработана для работы с последовательностями белков и предназначена для извлечения признаков, а также последующей тонкой настройки под прикладные задачи, например предсказание вторичной структуры и различение природных белковых последовательностей от перемешанных вариантов. Модель использует архитектуру BERT для masked language modeling и содержит около 251,7 млн параметров по метаданным. При предобучении на UniRef50 использовались примерно 43 млн последовательностей длиной от 20 до 512 аминокислот; модель принимает только заглавные однобуквенные обозначения аминокислот и работает с токенизатором ProtBert. В метаданных указано контекстное окно 40 000 токенов. Для обучения применялись функция потерь перекрёстной энтропии и согласование представлений учителя и ученика. Модель может служить основой для извлечения белковых представлений и дообучения на задачах биоинформатики. В описанных экспериментах она показала результаты, близкие к ProtBert при различении белков и перемешанных последовательностей; качество для конкретных downstream-задач зависит от последующей настройки. Репозиторий распространяется по лицензии MIT.

DrugGen-2 — англоязычная генеративная модель для разработки лекарственных молекул, основанная на GPT-2 и дообученная с использованием supervised fine-tuning и GRPO. Она принимает контекст заболевания в виде MeSH DAG и последовательность белка, связанного с мишенью, и генерирует структуру молекулы в формате SMILES. Модель предназначена для de novo-дизайна соединений и поиска вариантов для перепрофилирования лекарств с учётом заболевания и белковой мишени. Модель использует архитектуру GPT2LMHeadModel, работает через Transformers и имеет контекст длиной 1024 токена. В метаданных указана лицензия GPL-3.0; базовые модели — liyuesen/druggpt и openai-community/gpt2. Это инструмент для исследовательского этапа поиска кандидатов: README не сообщает о проверке сгенерированных молекул экспериментами, поэтому результаты требуют химической и биологической валидации.

EnhancAR — авторегрессионная генеративная модель для проектирования энхансеров, разработанная Кевином К. Янгом, Алексом Дж. Ли, Эндрю Дж. Дунканом и соавторами. Она обучалась на 233 158 475 последовательностях энхансеров из 241 генома позвоночных и формирует новые последовательности, опираясь на гомологичные семейства. Архитектура — гибридная модель пространства состояний и трансформера с mixture-of-experts; в метаданных указаны 23,6 млн параметров и контекст до 262 144 токенов. Модель предназначена для безусловной генерации последовательностей энхансеров и их условного проектирования по гомологам, когда функция энхансера заранее неизвестна. Для запуска карточка указывает PyTorch и CUDA. Лицензия — MIT. В README размер модели указан как 170 млн параметров, что расходится с метаданными Hugging Face (23,6 млн); размер следует считать неоднозначным до уточнения. Оценки качества и подробности проверки функциональности в карточке не приведены.

AmelieSchreiber/esm2_t6_8M_finetuned_cafa5_v2 — модель на основе ESM-2, предварительно дообученная для предсказания функций белков в задаче CAFA-5. Она принимает аминокислотную последовательность и классифицирует её по терминам Gene Ontology (GO), выполняя многометочную классификацию. В карточке указано, что модель прошла четыре эпохи предварительного дообучения и предназначена для дальнейшего дообучения на втором этапе с помощью LoRA, включая обучение с весами классов для учёта иерархии GO. Модель использует архитектуру ESM с классификационной головой EsmForSequenceClassification; размер — 9,8 млн параметров, нативная длина контекста — 1026 токенов. Репозиторий содержит веса PyTorch. Лицензия — MIT. Это специализированный исследовательский чекпойнт для предсказания функций белков, а README рекомендует дополнительное дообучение перед применением.

Карточка модели fredzzp/esm2_t6_8M_UR50D на Hugging Face совпадает с карточкой fredzzp/esm2_t33_650M_UR50D, поэтому описание составлено по ней. fredzzp/esm2_t33_650M_UR50D — эффективная реализация ESM2 (Evolutionary Scale Modeling) с поддержкой Flash Attention; в README указано, что исходный код взят из FAPLM. Модель предназначена для заполнения пропусков в последовательностях белков и других задач языкового моделирования белковых последовательностей. Архитектура — плотная трансформерная ESM, вариант на 33 слоя; в метаданных указано 865,1 млн параметров и контекст до 1026 токенов. При наличии FlashAttention реализация может ускорять инференс и снижать расход памяти; без него используется PyTorch SDPA. Также заявлено исключение токенов паддинга из вычислений. Совместимость API с исходными моделями ESM2 упрощает замену реализации. Модель принимает текстовые последовательности белков и предсказывает замаскированные токены. Лицензия — MIT.

AmelieSchreiber разработала дообученную модель ESM-2 для классификации белковых последовательностей на два класса: «cystolic» и «membrane». Модель предназначена для предсказания локализации белка по его последовательности и может использоваться для первичной аннотации белковых данных. Это плотная модель ESM-2 с архитектурой EsmForSequenceClassification, примерно 9,8 млн параметров и контекстом до 1026 токенов. В карточке указана точность 94,83% на оценочной выборке. Модель работает с последовательностями белков и выдаёт метку класса; сведения о составе выборки и независимой проверке результата не приведены. Веса доступны в форматах PyTorch и safetensors. Лицензия — MIT.

area-science-park/ESM3-PPISites — дообученная на базе ESM3-open модель для предсказания участков взаимодействия белок–белок. Для каждого аминокислотного остатка во входной последовательности белка модель определяет, относится ли он к участку взаимодействия (класс 1) или нет (класс 0). Модель предназначена для анализа белковых последовательностей в биоинформатике и поиска потенциальных интерфейсов белковых взаимодействий. Она реализована на Transformers и распространяется в формате safetensors; для её использования требуется доступ к базовой модели esm3-open. По карточке опубликованы материалы о обучении и оценке, а также данные в CSV. Лицензия в предоставленных сведениях не указана.

Taykhoom/Evo2-7B-1M — перенос на Hugging Face модели Evo 2 7B от Arc Institute с контекстом до 1 млн токенов. Это плотная авторегрессионная языковая модель семейства StripedHyena 2: 32 слоя сочетают блоки Hyena и multi-head attention. Модель предварительно обучена предсказывать следующий байт на данных OpenGenome2, охватывающих разнообразие живых организмов. Модель предназначена для генерации последовательностей ДНК и извлечения их представлений для анализа. Перенос поддерживает загрузку через `from_pretrained`, получение скрытых состояний по слоям и весов внимания, а также переключение backend внимания. Веса представлены в safetensors; README подтверждает точность переноса в bf16 с SDPA в контролируемой конфигурации. Для варианта с FP8 проекциями на входе требуются NVIDIA Transformer Engine и GPU класса Hopper, например H100 или H200. README также описывает bf16-путь SDPA; Flash Attention 2 доступен как альтернативный backend и требует отдельной установки. Лицензия — Apache-2.0.

Taykhoom/Evo2-7B-262K — это порт в формате Hugging Face модели Evo 2 7B от Arc Institute. Модель использует архитектуру StripedHyena 2 с чередованием каскадных блоков Hyena и многоголового внимания; в метаданных указано 8,6 млрд параметров, а контекст составляет 262 144 токена. Она обучена предсказывать следующий байтовый токен на последовательностях из набора OpenGenome2, охватывающего биологические последовательности разных форм жизни. Модель предназначена для генерации продолжений последовательностей ДНК и извлечения представлений скрытых слоёв для анализа биологических последовательностей. Порт поддерживает загрузку через API Hugging Face, извлечение скрытых состояний и весов внимания, а также выбор backend внимания. В README подтверждена точность преобразования весов относительно эталонной конфигурации bf16 SDPA; это не гарантирует битовую идентичность при других backend или настройках. Для FP8-проекций требуются NVIDIA Transformer Engine и GPU класса Hopper; bf16 рекомендуется, float16 не поддерживается из-за численной нестабильности фильтров. Лицензия — Apache-2.0.

FELA PDE — компактная модель Lowdown Labs для быстрой оценки стационарного температурного поля в аккумуляторном блоке. Она использует архитектуру двумерного Fourier Neural Operator: принимает восемь физических и служебных каналов на сетке 96×96 и за один проход выдаёт нормированную карту температуры, которую можно преобразовать в градусы Цельсия. В README указаны 892 545 параметров и размер около 7,1 МБ в fp32; модель работает на CPU без GPU и доступна в формате safetensors через Transformers. Модель предназначена для предварительного анализа тепловых режимов батарей, обнаружения горячих зон и ускорения инженерных циклов проектирования вместо более медленного конечно-объёмного расчёта. README описывает построение входных данных из параметров батарейного блока или готовых полей. Модель обучена на синтетическом распределении тепловых сценариев аккумуляторов; условия за его пределами не охарактеризованы. Это исследовательская предварительная версия, а не сертифицированный инструмент тепловой безопасности: результаты следует проверять на собственных конфигурациях и не использовать как единственное основание для критически важных решений. Лицензия в метаданных обозначена как other; дополнительных условий README не сообщает.

GB.RNA-1.6B — универсальная фундаментальная модель РНК, разработанная GenBio AI. Это энкодерный трансформер RNABert с 1,6 млрд параметров, обученный на 42 млн уникальных некодирующих РНК из RNAcentral версии 24.0. Предобучение выполнялось на уровне отдельных нуклеотидов с задачей восстановления замаскированных токенов; длина контекста составляет 1024 токена. Модель предназначена для анализа РНК-последовательностей и может использоваться как основа для прогнозирования вторичной структуры, определения функций РНК, задач, связанных с мРНК, и обратного фолдинга РНК. Её представления также можно применять для построения downstream-моделей классификации, регрессии и разметки токенов. README сообщает о сильных результатах на широком наборе задач, но не приводит метрик; для белковых задач отмечен потенциал после адаптации к предметной области. Модель принимает последовательности РНК и обучена на некодирующих последовательностях. Для кодирующих последовательностей разработчик предлагает отдельную адаптированную версию GB.RNA-1.6B-CDS. В репозитории указаны форматы PyTorch и safetensors. Лицензия обозначена как other; конкретные условия использования в предоставленных данных не раскрыты.

GENA-LM-t2t-multi-species-bert-base — порт модели GENA-LM от Taykhoom Dalal на Transformers, точно воспроизводящий веса AIRI-Institute/gena-lm-bert-base-t2t-multi. Это трансформерный masked language model на основе BERT для анализа последовательностей ДНК человека и других видов. В модели 12 слоёв, 12 голов внимания, размерность эмбеддингов 768 и 137,8 млн параметров по метаданным; используются BPE-токенизация с 32 000 токенов и контекст до 512 токенов. Модель обучена предсказывать замаскированные фрагменты последовательности. Предобучение охватывало геном человека T2T и геномы нескольких видов из ENSEMBL 108, дополненные вариантами gnomAD. Она подходит для восстановления маскированных нуклеотидных последовательностей и получения контекстных представлений ДНК для последующей настройки под задачи классификации или другие задачи над последовательностями. Веса сверены с исходным чекпойнтом; доступны реализации внимания eager, SDPA и Flash Attention 2. Лицензия — MIT. Это специализированная модель для последовательностей ДНК, а не универсальная модель для естественного языка; контекст ограничен 512 токенами, а исходная NSP-голова и pooler в порте отсутствуют.

Genereux-akotenou/genomics-tf-prediction — набор моделей машинного обучения, опубликованный Genereux Akotenou и связанный с проектом MegaPlantTF. Он предназначен для выявления и классификации факторов транскрипции растений по белковым последовательностям, включая определение принадлежности к семействам. В проекте используются бинарные классификаторы по семействам и метаклассификатор; модели загружаются через Keras и представлены в формате TensorFlow. MegaPlantTF описывает извлечение признаков на основе k-меров и варианты классификации с голосованием или двухэтапным стекингом. Модель принимает табличные признаки, подготовленные в рамках соответствующего конвейера, и выдаёт классы; исходная система позволяет подавать белковые последовательности в FASTA. Она рассчитана на биоинформатические задачи для растений, а не на свободный текст. Карточка модели не сообщает размер сети, длину контекста, языки или лицензию; условия лицензирования набора весов из доступных сведений определить нельзя.

GPTProteinPretrained — авторегрессионный трансформер в стиле GPT, разработанный lamm-mit и предварительно обученный на большом количестве белковых последовательностей. Модель использует архитектуру GPT-NeoX с плотной сетью и содержит около 604,4 млн параметров; для загрузки README показывает интерфейс Transformers с AutoModelForCausalLM и AutoTokenizer. Модель предназначена для продолжения и генерации белковых последовательностей: например, она может дополнять последовательность, заданную начальным фрагментом. Контекст составляет 2048 токенов. Обучающая задача обозначена как Sequence; доступные сведения не описывают оценку качества, специализированные биологические применения или ограничения выходных последовательностей. Лицензия в предоставленных данных не приведена.

Minerva-RiNALMo-giga — модель на базе RiNALMo, подготовленная для фреймворка Minerva и поиска коэволюционных закономерностей в РНК. Она предназначена для исследователей эукариотических РНК; авторы указывают, что RiNALMo может быть более подходящей базой, чем Minerva-MLM, обученная на геномах прокариот. По архитектуре это плотная модель RiNALMoMinervaForMaskedLM, работающая с заполнением масок. README описывает получение карт взаимодействий по последовательности: для входа длиной 72 нуклеотида карта имеет размер 72×72. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. Модель чувствительна к ориентации цепи, поэтому README рекомендует анализировать прямую последовательность и обратный комплемент. RiNALMo не обучалась на геномных окнах, и точность предсказания спаривания оснований может снижаться, когда РНК рассматривается в естественном геномном контексте; для геномных последовательностей могут помочь короткие окна.

multimolecule/mrnafm — модель RNA-FM, опубликованная командой MultiMolecule; это неофициальная реализация модели, разработанной Jiayang Chen и соавторами. BERT-подобная плотная модель с архитектурой RNA-FM обучена на последовательностях матричной РНК с помощью маскированного языкового моделирования. Она принимает нуклеотидные последовательности и предсказывает замаскированные позиции; также её можно использовать как основу для извлечения признаков последовательности. Модель содержит 314,7 млн параметров, имеет контекст длиной до 1026 токенов и распространяется в форматах PyTorch и Safetensors. Предобучение проводилось на RNAcentral; модельная карточка указывает лицензию AGPL-3.0. Она не настроена на конкретные задачи классификации или регрессии, поэтому для них потребуется дообучение.

Nucleotide Transformer v2 — трансформер InstaDeep, NVIDIA и TUM, предварительно обученный на последовательностях ДНК из 850 геномов разных видов. Модель содержит 229,6 млн параметров и использует архитектуру ESM с rotary positional embeddings и Gated Linear Units; в качестве основного задания в Hugging Face указано восстановление замаскированных токенов (fill-mask). Также её архитектура поддерживает классификацию последовательностей и токенов. Модель предназначена для анализа геномных последовательностей, в том числе для предсказания молекулярных фенотипов и переноса представлений на биологические задачи. ДНК разбивается токенизатором на 6-меры, где это возможно, а иначе — на отдельные нуклеотиды; в README указана максимальная длина последовательности 1000 токенов, метаданные указывают контекст 2050 токенов. Данные обучения охватывают около 174 млрд нуклеотидов; растения и вирусы исключены. Модель принимает последовательности ДНК и предсказывает токены или метки для задач классификации. Для использования требуется библиотека Transformers, причём README предупреждает, что на момент публикации для поддержки модели её нужно было устанавливать из исходного кода. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства и на условиях распространения производных материалов, но запрещает коммерческое использование.

Nucleotide Transformer v2 500M Multi-Species — трансформер InstaDeep, NVIDIA и TUM для анализа последовательностей ДНК. Модель содержит 490,7 млн параметров и предварительно обучена на 850 геномах модельных и немодельных организмов, представляющих около 174 млрд нуклеотидов. В неё входят rotary positional embeddings и Gated Linear Units; для токенизации используются преимущественно 6-меры, а максимальная длина последовательности составляет 2 048 токенов. Модель подходит для восстановления замаскированных участков ДНК и как основа для классификации последовательностей и разметки нуклеотидов. В исследовательских оценках семейство показало высокую точность предсказания молекулярных фенотипов. В README указано, что для использования моделей до следующего релиза требуется установить Transformers из исходного кода. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях; коммерческое использование не разрешено.

Nucleotide Transformer v2 50M Multi-Species — трансформерная модель InstaDeep, NVIDIA и TUM для анализа последовательностей ДНК. Она предобучена на 850 геномах разных видов, охватывающих около 174 млрд нуклеотидов, и предназначена для задач геномики и молекулярного фенотипирования. Модель содержит 52,4 млн параметров и использует архитектуру второго поколения Nucleotide Transformers с rotary positional embeddings и Gated Linear Units. Последовательности токенизируются преимущественно в 6-меры; длина последовательности при обучении составляла 1000 токенов. Доступные задачи включают заполнение маскированных участков, классификацию последовательностей и разметку токенов. Метаданные указывают контекст до 2050 токенов. Модель подходит для представления и анализа геномных последовательностей, в том числе для прогнозирования молекулярных признаков. Обучающие геномы не включают растения и вирусы; качество для этих групп не подтверждено. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и ограничивает коммерческое использование.

OpenMed-NER-ProteinDetect-ModernClinical-149M — модель OpenMed для распознавания белковых сущностей в биомедицинском тексте. Это дообученный ModernBERT для token classification с 149 млн параметров и контекстом до 8192 токенов; репозиторий содержит веса в формате safetensors. Модель размечает упоминания белков, белковых комплексов, семейств и групп белков, вариантов белков и связанных сущностей тегами BIO. Модель предназначена для извлечения сущностей из научных публикаций, клинических записей и других биомедицинских документов. Её можно применять для поиска белков и их вариантов, анализа белковых взаимодействий, построения баз знаний и поддержки исследований в молекулярной биологии. В README приведены результаты на корпусе FSU: F1 0,90, точность 0,90 и полнота 0,91. Обучение описано как дообучение на корпусе FSU, посвящённом белковым взаимодействиям и молекулярной биологии. Заявленный язык карточки — английский; лицензия Apache-2.0. Показатели качества относятся к указанному набору данных, поэтому для других типов текстов и клинических сценариев их следует проверять отдельно.

OpenMed/OpenMed-ZeroShot-NER-DNA-Small-166M — специализированная модель OpenMed для распознавания биомедицинских сущностей в тексте. Она основана на архитектуре GLiNER и дообучена на корпусе JNLPBA, содержащем аннотации белков, ДНК, РНК, клеточных линий и типов клеток. Модель поддерживает zero-shot извлечение сущностей: пользователь может задавать категории для поиска без отдельного дообучения под каждую из них. Модель предназначена для анализа биомедицинской литературы и исследовательских текстов, включая поиск молекулярных сущностей для курирования биологических путей и извлечения взаимодействий. В README приведён F1 0,76 на тестовой выборке JNLPBA, не включённой в обучение. Веса доступны в формате PyTorch; модель принимает текст и возвращает распознанные сущности с метками. Метаданные указывают английский язык и лицензию Apache-2.0. Заявления карточки о применении к клиническим записям и широкой номенклатуре сущностей не подкреплены приведёнными результатами на этих сценариях.

OpenMed-ZeroShot-NER-DNA-Tiny-60M — модель OpenMed для распознавания биомедицинских именованных сущностей в научных и клинических текстах. Она основана на архитектуре GLiNER и дообучена на корпусе JNLPBA, содержащем аннотации белков, ДНК, РНК, клеточных линий и типов клеток. Размер модели — 60 млн параметров; формат файлов — PyTorch. Модель принимает текст и возвращает найденные сущности с типами. Режим zero-shot позволяет задавать категории сущностей без отдельного дообучения, хотя качество для редких или новых категорий может зависеть от порога распознавания. В описании приведён F1 0,63 на тестовой выборке JNLPBA; обобщать эту оценку на другие наборы данных и типы сущностей нельзя. Карточка заявляет сценарии анализа биомедицинской литературы, молекулярной биологии и клинических текстов. Лицензия — Apache-2.0.

OpenMed-ZeroShot-NER-Genomic-Small-166M — модель OpenMed для распознавания и классификации упоминаний генов и связанных с генетикой сущностей в биомедицинских текстах. Она основана на архитектуре GLiNER и дообучена на корпусе GELLUS; поддерживает zero-shot извлечение сущностей с задаваемыми пользователем типами без отдельного дообучения под каждый тип. Модель предназначена для анализа научной литературы и других текстов по геномике, включая исследования генетических ассоциаций и курирование вариантов. В карточке указано значение F1 0,81 на тестовом наборе, исключённом из обучения. Модель принимает текст и выдаёт обнаруженные сущности с метками. Карточка также заявляет широкую гибкость по типам сущностей, однако подробно приводит только тип Cell-line-name, а результаты для других типов не описывает; показатели из сравнительной таблицы относятся к моделям других размеров. Лицензия — Apache-2.0.

Orthrus 4-track — разработанная antichronology модель для получения представлений последовательностей РНК. Это энкодер на базе Mamba с примерно 10 млн параметров, контрастивно предобученный на более чем 45 млн зрелых транскриптов мРНК. На вход подаются нуклеотиды в четырёхканальном one-hot представлении; модель выдаёт векторное представление размерности 512, доступно также представление для каждой позиции последовательности. Модель предназначена для извлечения признаков из РНК и использования этих представлений в последующей настройке и линейном зондировании биологических задач. README связывает семейство Orthrus с публикацией в Nature Methods. Для работы с Mamba требуется CUDA; модель загружается через Transformers с включённым trust_remote_code. Лицензия — MIT.