Model details
模型介绍
中文整理# Dayhoff 模型卡片
## 用途
Dayhoff 是一个蛋白质序列数据与生成式语言模型的整合资源库。该模型库整合了33.4亿个蛋白质序列，涵盖17亿个宏基因组和自然蛋白质序列聚类（GigaRef）、4600万个结构衍生的合成序列（BackboneRef）以及1600万个多重序列比对（OpenProteinSet）。Dayhoff 旨在用于蛋白质语言建模的广泛研究。
## 主要能力
该模型具备以下核心能力：
- 无条件设计蛋白质序列
- 在 ProteinGym 上进行零样本突变效应预测
- 在序列空间中为结构基序设计支架（scaffolding），包括 RFDiffusion 和 MotifBench 任务
- 同源序列条件生成（使用 Dayhoff-3b-GR-HM 和 Dayhoff-3b-GR-HM-c）
- 零样本预测突变对适应度的影响
- 通过进化或结构上下文条件来支架结构基序
- 在指定家族内引导生成新型蛋白质
## 输入输出
- *输入：** 单序列或展开的多重序列比对（MSA）
运行要求
- PyTorch 2.7.1
- CUDA 12.8 及以上版本
- 依赖包：mamba-ssm、causal-conv1d、flash-attn
- 1.7亿参数模型：8块 NVIDIA A100 或 8块 NVIDIA H100 GPU（使用分布式数据并行）
- 30亿参数模型：176块 NVIDIA H100 GPU（使用完全分片数据并行）
基本用法
最简单的方式是通过 HuggingFace 接口使用这些模型和数据集。建议使用 uv 创建干净的虚拟环境，安装 PyTorch 2.7.1，然后安装 mamba-ssm、flash-attn、causal-conv1d 及其依赖项。具体使用方法请参阅模型仓库中的 README 文件。
限制
- 仅限生成蛋白质序列或同源蛋白质序列集，不得用于自然语言或其他生物序列（如 DNA 序列）
- 不保证所有生成的序列都真实可信
- 难以生成与任何自然序列均无同源性的高质量序列
- 代码和数据仅供研究开发使用，不得用于临床决策或任何临床用途
License
MIT 许可证
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
Problem with the information or download?
Sign in to submit feedback.
