К содержимому
Другое

Delower/herg-best-deployment

ансамбль для оценки hERG-токсичности молекул

2 мин чтенияобновлено

Модель решает задачу виртуального скрининга в разработке лекарств: по строковой записи химической структуры (SMILES) она предсказывает вероятность блокировки калиевых каналов hERG, что связано с риском кардиотоксичности. Внутри используется ансамбль из градиентного бустинга (файлы tree_*.pkl) и нейросетей на Keras (ltn_*.keras), работающий одновременно в режимах классификации и регрессии. Для описания молекул применяются отпечатки Morgan ECFP4, 2D-дескрипторы RDKit, индекс QED и эмбеддинги от предобученной ChemBERTa-77M. Инструмент пригодится хемоинформатикам и биотех-разработчикам для быстрой фильтрации кандидатов на ранних этапах отбора.

Ключевые особенности

  • Двойной режим работы: ансамбль выдаёт предсказания как для задачи классификации, так и для регрессии.
  • Комбинированный стек признаков: объединяет Morgan ECFP4, физико-химические дескрипторы RDKit и извлечённые эмбеддинги ChemBERTa-77M (в режиме только для инференса).
  • Гибридная архитектура: сочетает модели на основе деревьев решений и нейросетевые фолды на Keras с сохранением настроек препроцессинга в JSON.
  • Полный пайплайн из коробки: в репозитории лежат готовые скрипты feature_extraction.py и predict_herg.py для запуска напрямую от SMILES.

Что можно сделать

  • Скрининг библиотек соединений: прогнать список SMILES через predict_herg.py, чтобы отсеять потенциально кардиотоксичные молекулы до синтеза.
  • Интеграция в пайплайны: встроить расчёт признаков из feature_extraction.py и веса ансамбля в собственный сервис генерации или отбора лекарственных кандидатов.

Пример

В карточке не приведён фрагмент кода, но для сквозного инференса от SMILES в репозитории предусмотрены скрипты feature_extraction.py и predict_herg.py, использующие веса tree_*.pkl, ltn_*.keras и конфигурацию config.json.

ПодробнееВалидация на внутреннем scaffold-split (до финального дообучения): MCC 0.5729 для классификации и RMSE 0.6449 для регрессии.
Версия DEPLOYMENT REFIT обучена на всех размеченных данных, включая наборы hERG-70, new-compounds, FDA panel и REGFAIL (оценка на них для этой версии неприменима).
Дескрипторы CDK через PaDEL были заменены на блок 2D-дескрипторов RDKit; веб-демо или Space не прилагается.
Обсудить Telegram 0 31

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # Delower/herg-best-deployment
    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 Delower/herg-best-deployment --local-dir ~/models/herg-best-deployment
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к herg-best-deployment
  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 herg-best-deployment — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Delower/herg-best-deployment
Автор
Delower
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

310

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии