DCGP
поиск генов одомашнивания растений
2 мин чтенияобновлено
DCGP (Domestication Convergence Gene Prediction) — набор из 44 обученных классификаторов на PyTorch, который предсказывает гены-кандидаты, подвергшиеся конвергентному отбору при одомашнивании растений. Модели от команды AIBreeding работают поверх эмбеддингов (векторных представлений последовательностей ДНК), извлечённых с помощью биологической модели Evo 2 (evo2_7b). На выходе скрипт формирует таблицу с оценками и предсказанными метками для отбора перспективных генов. Инструмент пригодится биоинформатикам, генетикам и исследователям эволюции культурных растений.
Ключевые особенности
- 44 готовых чекпоинта: отдельные веса под разные виды и геномы (например,
Brassica_napusA) хранятся в формате.pt. - База на Evo 2: в качестве признаков используются эмбеддинги 24-го слоя модели
evo2_7b, посчитанные скользящим окном. - Воспроизводимость: в репозитории есть файл
SHA256SUMSдля проверки целостности весов и поддержка фиксации ревизии через коммит Hub. - Простой табличный вывод: классификатор принимает готовые эмбеддинги и сохраняет результаты в
predict_result.csv.
Что можно сделать
- Оценить последовательности из собственных FASTA-файлов и приоритизировать гены-кандидаты для дальнейшей экспериментальной проверки.
- Воспроизвести пайплайн предсказания конвергентной эволюции для конкретных сельскохозяйственных культур из набора 44 моделей.
Пример
hf download AIBreeding/DCGP model/Brassica_napusA/Brassica_napusA.pt --local-dir .
python embedding.py --fasta sequence/sample.fa --step 250 --window 1024 \
--layer blocks.24 --out sequence/sa.pt
python predict.py --data sequence/sa.pt \
--model model/Brassica_napusA/Brassica_napusA.pt --out results/predПодробнее
Базовая модель для эмбеддингов: evo2_7b (слой blocks.24, окно 1024, шаг 250)Требования: видеокарта с CUDA и утилита SeqKit для этапа извлечения эмбеддингов
Ограничения: лицензия CC BY-NC 4.0 — только для некоммерческих исследований; код и веса Evo 2 лицензируются отдельно










Комментарии