К содержимому
Другое

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 SHA256SUMS для 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/pred
ПодробнееБазовая 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
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # AIBreeding/DCGP
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download AIBreeding/DCGP --local-dir ~/models/DCGP
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DCGP
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии DCGP — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

AIBreeding/DCGP
Автор
AIBreeding
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии