CatalystCompass
определение EC-номеров для химических реакций
2 мин чтенияобновлено
Модель определяет по описанию химической реакции её код в классификации ферментов EC (Enzyme Commission — международный стандарт номенклатуры ферментов). В основе лежит CPU-ансамбль, объединяющий структурные отпечатки реакций, нейросетевые энкодеры на базе BERT и поиск ближайших химических аналогов. Автор добавил слой консервативного консенсуса для точного сопоставления реакций и ускоренный декодер выбора лучшего класса, что делает инструмент полезным для биоинформатиков и химиков при разметке данных без использования GPU.
Ключевые особенности
- Комбинирует структурные представления субстратов, learned-эмбеддинги от BERT-энкодеров и поиск по известным реакциям.
- Строгий поиск совпадений учитывает стереохимию, изотопные метки, направление реакции и роли реагентов, принимая ответ только при полном согласии эталонов.
- Ускоренный top-one декодер выбирает лучший класс без полной сортировки всех категорий.
- Работает полностью на CPU и выполняет инференс в изолированном Docker-контейнере без доступа к сети.
Что можно сделать
- Пакетно размечать наборы данных с химическими реакциями из файлов формата Parquet, получая валидные EC-номера в JSONL.
- Использовать в офлайн-пайплайнах биохимического анализа, где важна воспроизводимость и защита от несовместимости версий окружения.
Пример
mkdir -p ~/Downloads/DL_project
unzip -o ~/Downloads/catalyst_compass_setup.zip -d ~/Downloads/DL_project
bash ~/Downloads/DL_project/catalyst_compass/run_mac.sh
Подробнее
При первом запуске скачивается около 727 MB базовых ассетов, сам расчёт идёт без интернета.По умолчанию входные данные читаются из
DL_project/data/val_inputs.parquet, а результат сохраняется в output/predictions.jsonl.Изменения касаются логики инференса поверх готовых весов; прирост точности на публичной валидации не зафиксирован из-за отсутствия канонических совпадений.










Комментарии