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1600万个多重序列比对（OpenProteinSet）。
## 主要能力
- 零样本预测突变对适应度的影响
- 基于进化或结构背景对结构基序进行支架设计
- 在指定家族内引导生成新型蛋白质
- 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
- 可处理长上下文，支持单序列和展开的多重序列比对
## 模型架构
混合状态空间模型Mamba层与Transformer自注意力机制，交替使用混合专家模块以在保持效率的同时最大化容量。模型参数规模包括1.7亿和30亿两种版本。
## 输入输出
- **输入**：蛋白质序列或多重序列比对
- **输出**：生成的蛋白质序列、突变效应预测、结构基序支架
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
基本用法
推荐使用uv创建独立环境，安装PyTorch 2.7.1后，再安装mamba-ssm、flash-attn、causal-conv1d及其依赖项。可通过HuggingFace接口访问模型和数据。
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
## 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（微软）
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。