Project Icon

esm2_t48_15B_UR50D

大规模蛋白质语言模型用于多样化蛋白质序列分析

作为ESM-2系列中参数量最大的蛋白质语言模型,esm2_t48_15B_UR50D拥有480亿参数。该模型采用掩码语言建模方法训练,可应用于多种蛋白质序列分析任务。虽然模型性能优异,但也需要较高的计算资源。研究人员可利用该模型进行蛋白质功能预测、结构分析等研究,为蛋白质科学领域带来新的突破。

esm2_t33_650M_UR50D - ESM-2蛋白质语言模型用于多种序列分析任务
ESM-2GithubHuggingface开源项目机器学习模型生物信息学自然语言处理蛋白质模型
esm2_t33_650M_UR50D是ESM-2系列中的一款蛋白质语言模型,采用掩码语言建模方法训练。该模型包含33层网络结构和6.5亿参数,适用于蛋白质功能预测、结构分析、蛋白质折叠预测、突变效应分析等多种序列输入任务的微调。作为中等规模的模型,它在性能和资源需求间取得平衡,为蛋白质研究提供实用工具。
esm2_t36_3B_UR50D - ESM-2系列先进蛋白质序列模型
ESM-2GithubHuggingface开源项目机器学习模型生物信息学蛋白质模型语言建模
esm2_t36_3B_UR50D是ESM-2系列中的一款蛋白质模型,采用掩码语言建模方法训练。该模型拥有36层网络结构和30亿参数,在精度、内存消耗和训练时间之间取得了良好平衡。它适用于多种蛋白质序列相关任务的微调,可用于蛋白质序列分析和功能预测等研究领域。研究人员可以利用此模型进行各种蛋白质相关的前沿探索。
esm2_t30_150M_UR50D - ESM-2系列中的中型蛋白质序列分析模型
ESM-2GithubHuggingface开源项目模型生物信息学神经网络蛋白质模型语言建模
esm2_t30_150M_UR50D是ESM-2系列中的中型模型,具有30层结构和1.5亿参数。这个基于掩码语言建模的蛋白质模型适用于多种蛋白质序列输入任务的微调。模型在性能和资源消耗间达到平衡,为蛋白质序列分析提供了实用的工具。
esm2_t12_35M_UR50D - ESM-2系列中的轻量级蛋白质语言模型
ESM-2GithubHuggingface人工智能开源项目掩码语言建模模型生物技术蛋白质模型
esm2_t12_35M_UR50D是ESM-2系列中的轻量级蛋白质语言模型,采用12层结构,包含3500万个参数。该模型基于掩码语言建模训练,适用于多种蛋白质序列相关任务的微调。作为ESM-2系列中的小型模型,它在保持性能的同时大幅降低了资源需求,为蛋白质研究提供了高效工具。此模型特别适合资源受限环境,在各类蛋白质序列分析中展现出良好的应用价值。
esm2_t6_8M_UR50D - ESM-2系列最小规模蛋白质序列预训练模型
ESM-2GithubHuggingface开源项目机器学习模型生物信息学自然语言处理蛋白质模型
esm2_t6_8M_UR50D是ESM-2系列中参数最少的蛋白质语言模型,仅包含6层网络结构和800万参数。该模型通过掩码语言建模方法训练,可用于多种蛋白质序列输入任务的微调。尽管规模小巧,但在计算资源有限的情况下仍可提供不错的性能。研究人员可利用此模型快速开展蛋白质序列相关研究,为后续使用更大规模模型做准备。
esm1b_t33_650M_UR50S - 以高级特征提取和预测提高蛋白质序列无监督学习的有效性
ESM-1bGithubHuggingface功能预测开源项目无监督学习模型结构预测蛋白质序列
ESM-1b是一个Transformer架构的蛋白质语言模型,通过对未标记的蛋白质序列进行自监督预训练,具备了结构与功能预测的无监督能力。该模型在远程同源检测和二级结构预测等任务上表现优良,可用于特征提取和模型微调。虽然ESM-2性能优越,但ESM-1b仍是研究蛋白质特征的重要工具。
esm - ESM3生成模型实现蛋白质序列结构功能联合推理
ESM3Github人工智能开源项目生成式模型生物学蛋白质模型
ESM3是一个创新的生物学生成模型,能够同时处理蛋白质的序列、结构和功能。通过离散令牌表示这三种数据模态,ESM3可根据部分输入预测完整的蛋白质信息。作为一个生成式掩码语言模型,它采用迭代采样方法。ESM3架构具有高度可扩展性,其最大版本拥有980亿参数,曾对2.78亿个蛋白质进行训练。
prot_t5_xl_uniref50 - 基于T5架构的大规模蛋白质序列预训练模型
GithubHuggingfaceProtT5-XL-UniRef50UniRef50开源项目模型特征提取生物信息学蛋白质语言模型
ProtT5-XL-UniRef50是基于T5-3B架构的蛋白质序列预训练模型,在UniRef50数据集的4500万个序列上进行自监督学习。该模型采用改进的掩码语言建模目标,能够捕捉蛋白质序列中的关键生物物理特性。ProtT5-XL-UniRef50可用于蛋白质特征提取和下游任务微调,在二级结构预测等任务中表现优异,为蛋白质序列研究提供了有力工具。
SaProt_650M_PDB - 提供两种加载方式以支持深度学习蛋白质模型的灵活使用
AI绘图GithubHuggingfaceSaProtesm开源项目模型深度学习
该项目通过Huggingface和ESM GitHub两种方式提供深度学习蛋白质模型加载和使用的便捷途径,用户可以依照需求进行选择。这些方法配合详细的代码实例,有助于用户高效完成蛋白质序列的分析和应用。
esmfold_v1 - 突破性的高速蛋白质结构预测技术
ESMFoldGithubHuggingface人工智能开源项目模型深度学习生物信息学蛋白质折叠
ESMFold是一种革新性的蛋白质结构预测模型,基于ESM-2架构设计。它摒弃了传统的序列比对和数据库依赖,实现了纯端到端的预测流程,显著提升了计算效率。相较于AlphaFold2等方法,ESMFold在速度上具有明显优势,同时保持了高精度。该项目提供了详细的使用教程,方便研究人员快速应用于实际工作中。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号