Другоеstraight-no-chaser
ProtLink
предсказание PPI на гетерогенном графе
1 мин чтенияобновлено
ProtLink от straight-no-chaser — исследовательская модель для предсказания human–human protein–protein interactions (PPI). Она объединяет замороженные эмбеддинги ESM-2 T33/650M, видовые сети взаимодействий и связи белок–ортогруппа. В основе — 3-слойный 4-головый энкодер HGT с MLP-декодером связей.
🤔 Ключевые особенности
- 🤓 Комбинирует sequence-only baseline и HGT-пайплайн для предсказания PPI.
- 📝 Использует ESM-2 T33/650M: mean-pooled эмбеддинги остатков последнего слоя.
- 🗣 Нечеловеческие PPI и рёбра белок–ортогруппа добавляются как контекст графа.
- ⌨ Есть API для контролируемых абляций графа и оценки на отложенных белках.
- 🤔 Инференс зависит от графа: нужна та же гетерогенная схема, что при обучении.
📝 Пример
pip install -r requirements.txt
python inference.py --config config.json --weights model.safetensors
python inference.py --graph inference_graph.pt --edge 123 456Подробнее
Бенчмарки и требования к VRAM в карточке не указаны.Веса не содержат ESM-2-признаки, PPI-контекст и членство в ортогруппах.
Их нужно восстанавливать с той же индексацией и схемой, что при обучении.
Load test проверяет сборку HGT + MLP и загрузку через strict=True.
Комментарии