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。该项目汇集了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）。
## 主要能力
该模型可实现以下功能：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。具体应用包括：蛋白质序列的无条件设计、在ProteinGym上实现零样本突变效应预测、在RFDiffusion和MotifBench上设计序列空间中的结构基序支架、以及使用Dayhoff-3b-GR-HM和Dayhoff-3b-GR-HM-c进行同源物条件化。
## 输入输出
模型支持处理单个序列和展开的多重序列比对。输出为蛋白质序列或同源蛋白质序列集。模型支持顺序无关的填充操作，可对N→C和C→N两个方向的局部序列进行条件化处理后生成完整序列。
运行要求
使用该模型需要满足以下软件环境：PyTorch 2.7.1、CUDA 12.8及以上版本，同时需要安装mamba-ssm、causal-conv1d和flash-attn库。推荐使用uv工具创建独立的虚拟环境进行部署。
基本用法
最简便的使用方式是通过HuggingFace平台访问模型和相关数据集。首先创建新环境并安装PyTorch 2.7.1，随后安装mamba-ssm、flash-attn、causal-conv1d及其依赖项，即可导入模型进行推理。
限制
本模型仅限生成蛋白质序列或同源蛋白质序列集，不得用于自然语言或其他生物序列（如DNA序列）的生成。无法保证所有生成的序列均具有真实生物学活性。难以生成与任何自然序列均无同源性的高质量序列。
许可证
MIT 许可证
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。