模型介绍
中文整理# Dayhoff 模型卡片
模型概述
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，涵盖17亿个宏基因组和自然蛋白质序列簇（GigaRef）、4600万个结构衍生合成序列（BackboneRef）以及1600万个多重序列比对（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模体支架设计，并在指定家族内引导生成新蛋白质。
## 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基准）
- 为结构模体在序列空间中设计支架（基于RFDiffusion和MotifBench）
- 同源物条件化生成
## 输入输出
- *输入格式**：单个蛋白质序列或展开的多重序列比对（MSA）
- *输出格式**：蛋白质序列
模型支持N→C和C→N双向自回归生成，具备顺序无关的填充能力。
运行要求
- *硬件要求**：
170M参数模型需8块NVIDIA A100或H100 GPU
3B参数模型需176块NVIDIA H100 GPU（使用混合分片模式的完全分片数据并行）
- *软件依赖**：
PyTorch 2.7.1
CUDA 12.8及以上
mamba-ssm、causal-conv1d、flash-attn
建议使用uv创建清洁环境进行安装。
基本用法
最简单的方式是通过HuggingFace接口使用模型。详细使用方法请参阅模型仓库中的README文档。
限制
- 仅限生成蛋白质序列或同源蛋白质序列
- 不可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缺乏序列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
运行模型需要的设备、工具与依赖，以原作者说明为准。
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。