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与生成式语言模型的整合资源库，整合了33.4亿条蛋白质序列，涵盖17亿个宏基因组和自然蛋白质序列簇（GigaRef）、4600万条结构衍生的合成序列（BackboneRef）以及1600万条多重序列比对（OpenProteinSet）。该模型用于蛋白质语言模型的广泛研究。
## 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
- 在序列空间中为结构基序设计支架（scaffold）
- 同源物条件生成（Homolog conditioning）
- 零样本预测突变对适应度的影响
- 通过进化或结构上下文条件来支架结构基序
- 在指定家族内引导生成新型蛋白质
## 输入输出
- 输入：单个序列或展开的多重序列比对（MSA）
- 输出：蛋白质序列或同源蛋白质序列集
运行要求
- PyTorch：2.7.1
- CUDA：12.8 及以上版本
- 必需安装：mamba-ssm、causal-conv1d、flash-attn
计算资源：
- 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
基本用法
推荐使用 uv 创建独立环境并安装 PyTorch 2.7.1，然后安装 mamba-ssm、flash-attn、causal-conv1d 及其依赖项。可通过 HuggingFace 接口调用模型。
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
## 架构说明
Dayhoff 采用混合架构，结合状态空间 Mamba 层和 Transformer 自注意力机制，并交错使用混合专家模块以在保持效率的同时最大化容量。模型原生支持长上下文，采用 N→C 和 C→N 双向自回归目标训练，支持顺序无关的填充（order-agnostic infilling），可扩展至数十亿参数规模。
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。