К содержимому
Другое

ec-esm

классификация ферментов по последовательности белка

1 мин чтения

Модель определяет четырёхуровневый код Enzyme Commission (EC — международная классификация ферментов, например 1.1.1.131) по аминокислотной последовательности белка. В основе лежит компактная белковая языковая модель ESM-2 35M (facebook/esm2_t12_35M_UR50D) от Meta с дообученным классификатором на 6939 валидных EC-номеров. На вход подаётся таблица Parquet с последовательностями, на выходе формируется файл JSONL со списком предсказанных кодов для каждого белка. Пригодится биоинформатикам и исследователям для автоматической функциональной аннотации ферментов.

Ключевые особенности

  • Базируется на лёгкой белковой архитектуре ESM-2 35M с добавленной головой классификации (Linear + GELU + Dropout).
  • Словарь охватывает 6939 валидных четырёхуровневых EC-номеров, а основная метрика оценки — точность на четвёртом уровне (L4 accuracy).
  • Поддерживает настройку порога вероятности EC_THRESH (по умолчанию 0.5) для выдачи нескольких вариантов или только самого вероятного класса.
  • Поставляется с готовым Dockerfile, скриптом инференса и валидацией входных данных.

Что можно сделать

  • Встроить Docker-контейнер в биоинформатический пайплайн для массовой аннотации белковых последовательностей из файлов Parquet.
  • Использовать режим EC_THRESH=1.1 для жёсткого отбора единственного наиболее вероятного EC-номера при первичной сортировке белков.

Пример

python /app/predict.py --input val_inputs.parquet --output predictions.jsonl
ПодробнееАрхитектура: ESM-2 35M (hidden_size 480) + двухслойный классификатор
Словарь: 6939 EC-классов (уровни L1–L4)
Параметры запуска по умолчанию: батч EC_BATCH=32, лимит времени EC_TIME_BUDGET=660 сек
Конкретные числовые значения метрик в карточке не приведены
Обсудить Telegram 0

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.

    # sahithimacharapu2/ec-esm
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 sahithimacharapu2/ec-esm --local-dir ~/models/ec-esm
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ec-esm
  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 ec-esm — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

sahithimacharapu2/ec-esm
Автор
sahithimacharapu2
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

Другое

DAVID-Net

DAVID-Net