模型详情
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与生成式语言模型的整合资源库。该项目汇集了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1600万个多序列比对（OpenProteinSet）。
## 主要能力
- 零样本预测突变对适应度的影响
- 通过进化或结构背景条件对结构基序进行脚手架设计
- 在指定家族内引导生成新型蛋白质
- 原生支持长上下文处理，可处理单个序列和展开的多序列比对
- 支持从N端到C端和从C端到N端的自回归训练
- 支持顺序无关的填充任务
- 可扩展至数十亿参数规模
## 输入输出
- *输入：** 蛋白质序列、多序列比对（MSA）、同源序列条件
- *输出：** 生成的蛋白质序列、突变效应预测、结构基序脚手架设计
运行要求
- *硬件要求：**
- 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（使用全分片数据并行混合分片模式）
- *软件依赖：**
- PyTorch 2.7.1
- CUDA 12.8及以上版本
- mamba-ssm、causal-conv1d、flash-attn
基本用法
推荐使用uv创建清洁环境并安装PyTorch 2.7.1，然后安装mamba-ssm、flash-attn、causal-conv1d及其依赖项。可通过HuggingFace接口访问模型和数据集。
限制
- 仅限生成蛋白质序列或同源蛋白质序列集
- 不可用于自然语言处理或其他生物序列（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无同源性的高质量序列
许可证
MIT许可证
## 负责任AI说明
本模型仅用于生成高质量、真实的蛋白质序列或同源蛋白质序列集。代码和数据集仅供研究和开发使用，不适用于临床决策或任何临床用途。模型在临床使用方面的性能尚未确立，用户需对任何使用本模型、数据和软件的行为承担全部责任。
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。