К содержимому
Другое

ProSST-Evotuned

оценка точечных мутаций белков по 3D-структуре

2 мин чтенияобновлено

Дообученный чекпоинт графовой нейросети (GNN) ProtSSN от автора GinnM, созданный для проекта PET-Flow. Модель принимает PDB-файл с трёхмерной структурой исходного белка (дикого типа) и оценивает все 19 возможных одиночных замен аминокислот в каждой позиции. Несмотря на название, внутри лежат веса архитектуры ProtSSN egnn / k20_h512, которые работают в связке с замороженным языковым энкодером белков facebook/esm2_t33_650M_UR50D. Модель дообучена на экспериментальных данных об активности мутантов ПЭТ-гидролаз (ферментов, расщепляющих пластик ПЭТ) и пригодится биоинформатикам и исследователям в белковой инженерии.

Ключевые особенности

  • Основана на графовой архитектуре ProtSSN EGNN (6 слоёв, скрытая размерность 512, граф ближайших соседей k = 20) с внешним энкодером ESM2-650M.
  • Выдаёт логарифмическую разницу вероятностей между мутантной и исходной аминокислотой для 19 замен на каждый остаток в CSV-таблице.
  • Дообучена на 20 экспериментальных метках активности мутантов PETase при 50 °C и вспомогательной задаче маскирования на 2 308 структурах белков.
  • Поддерживает автоматическую загрузку и кэширование при запуске обновлённого скрипта prot_ssn.py из репозитория PET-Flow.

Что можно сделать

  • Провести виртуальный скрининг насыщающего мутагенеза для ПЭТ-гидролаз и других белков по их PDB-структуре через пайплайн PET-Flow.
  • Воспроизвести пайплайн ранжирования и отбора перспективных одиночных мутаций в задачах белковой инженерии.

Пример

python prot_ssn.py \
    --pdb_file protein.pdb \
    --out_file protein_saturation.csv \
    --protssn_root /path/to/ProtSSN \
    --gnn_model_name k20_h512 \
    --gnn_checkpoint weights/ProSST-Evotuned.pt
ПодробнееВес чекпоинта: ~565 МБ (592 418 469 байт), формат PyTorch state_dict; требуется GPU с CUDA, репозиторий ProtSSN и отдельно загружаемая ESM2.
Обучение: 5 эпох (185 шагов оптимизатора), без отдельной регрессионной головы.
Ограничения: оценивает только одиночные замены (без комбинаторных вариантов), баллы не являются прямым прогнозом процента активности или температуры плавления; обучение и оценка проводились на одной таблице мутаций.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.6 GB · готовые файлы1.1 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.8 GB
  • 4-bitвеса 0.2 GB0.7 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.

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

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

О модели

GinnM/ProSST-Evotuned
Автор
GinnM
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