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和生成式语言模型的集合体，整合了33.4亿个蛋白质序列（来自宏基因组和自然蛋白质序列的17亿个聚类GigaRef）、4600万个结构衍生的合成序列（BackboneRef）以及1600万个多序列比对（OpenProteinSet）。该模型可零样本预测突变对适应度的影响，通过进化或结构背景进行结构基序的支架设计，并在指定家族内引导生成新蛋白质。研究表明，学习Dayhoff图谱中的宏基因组和结构合成数据提高了生成蛋白质的细胞表达率。
## 主要能力
- 无条件设计蛋白质序列
- 零样本预测突变效应（基于ProteinGym）
- 在序列空间中为结构基序设计支架（基于RFDiffusion和MotifBench）
- 同源物条件化（Dayhoff-3b-GR-HM和Dayhoff-3b-GR-HM-c）
## 输入输出
- 输入：单个蛋白质序列或展开的多序列比对（MSA）
- 输出：蛋白质序列或同源蛋白质序列集
- 支持从N端到C端和从C端到N端的自回归生成- 支持顺序无关的填充任务
运行要求
- PyTorch 2.7.1
- CUDA 12.8及以上
- 依赖包：mamba-ssm、causal-conv1d、flash-attn
- 170M参数模型：8块NVIDIA A100或H100 GPU
- 3B参数模型：176块NVIDIA H100 GPU
基本用法
最简单的方式是通过HuggingFace接口使用该模型和数据集。需要先安装PyTorch 2.7.1，然后安装mamba-ssm、flash-attn、causal-conv1d及其依赖项。
限制
- 仅限生成蛋白质序列或同源蛋白质序列
- 不适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靠
- 难以生成与任何自然序列无序列同源性的高质量序列
许可证
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。
资料或下载有问题？
登录后可提交反馈。