К содержимому
Другое

Calpha

языковая модель для фолдинга белков

2 мин чтения

Calpha — это чат-модель на базе Qwen3.5-9B, которая умеет предсказывать трёхмерную структуру белка по его аминокислотной последовательности. На вход подаётся последовательность в обычном диалоге вместе с признаками из замороженного энкодера ESM2-3B, после чего модель генерирует специальный токен , а её скрытые состояния передаются в генеративную голову SimpleFold-3B для расчёта координат всех атомов. В отличие от классических специализированных моделей фолдинга, здесь сворачивание белка встроено напрямую в архитектуру LLM (большой языковой модели). Решение пригодится исследователям в области биоинформатики и вычислительной биологии для экспериментов с мультимодальными белковыми агентами.

Ключевые особенности

  • Гибридная архитектура: связывает дообученную Qwen3.5-9B с замороженным белковым энкодером ESM2-3B через адаптер (27M параметров) и головой SimpleFold-3B через фронтенд (8,4M параметров).
  • Генерация в диалоге: фолдинг запускается прямо внутри чат-запроса через триггерный токен , при этом базовую LLM можно загрузить и отдельно через transformers.
  • Открытые данные и артефакты: в репозитории выложены не только веса модели, но и датасет обучения (77 ГБ) вместе с сырыми результатами бенчмарков.
  • Честный анализ ограничений: автор прямо указывает, что языковая прослойка не повышает точность относительно прямой связки ESM2 → SimpleFold-3B, особенно на длинных цепях.

Что можно сделать

  • Предсказывать координаты атомов одиночных белковых цепей из CLI или Python-скрипта по аминокислотной последовательности.
  • Использовать открытые веса, бенчмарки и обучающий набор для исследований по интеграции биомолекулярных задач в текстовые LLM.
  • Запускать дообученную часть llm/ как самостоятельную текстовую модель в стандартном пайплайне transformers.

Пример

from calpha import Calpha
model = Calpha.from_pretrained("liuyong9975/Calpha")
out = model.fold("MKTAYIAKQRQISFVKSHFSRQLEERLGLIEVQ", out_dir="predictions")
ПодробнееБенчмарки (TM-score по альфа-углеродам): FoldBench-334 — 0.807, CASP16 — 0.635, CAMEO-2025 — 0.900.
Требования к железу: одна GPU с объёмом памяти около 48 ГБ VRAM.
Ограничения: поддерживает только одиночные цепи без лигандов и комплексов; на цепях длиннее 300 остатков точность заметно снижается; точность на MMLU-Pro после обучения снизилась с 0.774 до 0.703.
Лицензия: сама LLM и адаптеры под Apache 2.0, но для генерации структур требуются веса SimpleFold-3B под исследовательской лицензией Apple (только некоммерческие исследования, не для клинического применения).
Обсудить Telegram 2

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 17 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 8.4 GB9.7 GB
  • 4-bitвеса 4.7 GB5.7 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 3080 · BF16 — от RTX 4090

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.

    # liuyong9975/Calpha
    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 liuyong9975/Calpha --local-dir ~/models/Calpha
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Calpha
  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

Дообучение модели

Qwen/Qwen3.5-9B
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. Calpha

Новые посты про версии Qwen3.5-9B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

liuyong9975/Calpha
Автор
liuyong9975
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

02

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии