Albumin

🚀 Albumin-15s

Albumin-15s是一個經過微調的模型，用於比較15個鹼基長度的適體與目標蛋白白蛋白的親和力，幫助確定更合適的適體序列。

🚀 快速開始

本模型基於Albert-base-v2微調而來，可用於預測適體與目標蛋白白蛋白的親和力。以下是使用示例：

from transformers import AutoTokenizer, BertModel
mname = "Vilnius-Lithuania-iGEM/Albumin"
model = BertModel.from_pretrained(mname)

若要預測批量序列，需使用自定義函數，具體可參考git/prediction.ipynb。

✨ 主要特性

• 適體親和力比較：可對15個鹼基長度的適體進行比較，判斷哪個適體與目標蛋白白蛋白的親和力更強。
• 可擴展性：可在不同長度的適體或擴展數據集上再次進行微調。

📚 詳細文檔

模型描述

該模型是Albert-base-v2的一個版本，用於比較15個鹼基長度的適體，以確定哪個適體與目標蛋白白蛋白的親和力更強。Albert模型最初是用英語進行預訓練的，語言、蛋白質和適體之間有許多相似之處，因此我們對其進行了微調，幫助模型學習適體的嵌入定位，從而更好地區分序列。更多信息可查看我們的github和iGEMs wiki。

預期用途和侷限性

預期用途

該微調模型可用於掩碼適體對序列分類，預測哪個適體與目標蛋白白蛋白的親和力更強，也可用於預測任務。不過，它主要用於在不同長度的適體或擴展數據集上再次進行微調。

侷限性和偏差

對於這類任務，微調後的Albert模型在預測哪個適體更適合目標蛋白時，準確率上限約為90%。使用Albert-large模型或大量15個鹼基長度的適體數據集可能會使準確率提高几個百分點。但外推情況尚未研究，因此當其中一個適體與白蛋白的親和力極高（幾乎達到最大熵）時，我們無法確定該模型是否處於當前最優水平。

評估結果

這些分數是使用sklearn.metrics計算得出的。