模型详情
模型介绍
中文整理# Dayhoff 模型卡片
模型用途
Dayhoff 是一个蛋白质序列数据和生成式语言模型的整合资源，用于广泛的蛋白质语言模型研究。该模型可应用于以下任务：蛋白质序列的无条件设计、零样本预测突变对适应度的影响、在序列空间中为结构基序设计支架、以及基于同源序列的条件生成。
## 主要能力
- 无条件设计蛋白质序列
- 在 ProteinGym 上进行零样本突变效应预测
- 在 RFDiffusion 和 MotifBench 上为序列空间中的结构基序设计支架
- 使用 Dayhoff-3b-GR-HM 和 Dayhoff-3b-GR-HM-c 进行同源序列条件生成
## 输入输出
- *输入：** 单个蛋白质序列或未展开的多序列比对（MSA）
- *输出：** 蛋白质序列
运行要求
- *硬件：**
- 1.7亿参数模型：8块 NVIDIA A100 或 8块 NVIDIA H100 GPU
- 30亿参数模型：176块 NVIDIA H100 GPU
- *软件：**
- PyTorch 2.7.1
- CUDA 12.8 及以上
- mamba-ssm、causal-conv1d、flash-attn
基本用法
最简单的使用方式是通过 HuggingFace 接口获取模型和数据。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
- 难以生成与任何天然序列均无同源性的高质量序列
许可证
MIT
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。
