模型详情
模型介绍
中文整理# Dayhoff 模型卡片
## 概述
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。该模型整合了33.4亿条蛋白质序列，涵盖17亿个宏基因组和自然蛋白质序列聚类（GigaRef）、4600万条结构衍生的合成序列（BackboneRef）以及1600万条多重序列比对（OpenProteinSet）。
## 主要能力
- 无条件设计蛋白质序列
- 零样本预测突变对适应度的影响（Zero-shot mutation effect prediction）
- 基于进化或结构背景为结构基序搭建支架（Scaffold structural motifs）
- 在指定家族内引导生成新型蛋白质
- 支持同源物条件生成（Homolog conditioning）
- 支持从N端到C端和从C端到N端的自回归训练，实现顺序无关的填充（order-agnostic infilling）
## 输入输出
- 输入：单个蛋白质序列或展开的多重序列比对（MSA）
- 输出：蛋白质序列或同源蛋白质序列集
运行要求
- PyTorch 2.7.1
- CUDA 12.8及以上版本
- 依赖库：mamba-ssm、causal-conv1d、flash-attn
- 1.7亿参数模型：8块NVIDIA A100或8块NVIDIA H100 GPU（分布式数据并行）
- 30亿参数模型：176块NVIDIA H100 GPU（全分片数据并行，混合分片模式）
基本用法
推荐通过HuggingFace接口使用这些模型和数据集。建议使用uv工具创建独立的虚拟环境进行安装。
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
许可证
MIT
## 开发者
Kevin K. Yang, Sarah Alamdari, Alex J. Lee, Kaeli Kaymak-Loveless, Samir Char, Garyk Brixi, Carles Domingo-Enrich, Chentong Wang, Suyue Lyu, Nicolo Fusi, Neil Tenenholtz, Ava P. Amini
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。
资料或下载有问题？
登录后可提交反馈。