Plantcaduceus L20

🚀 PlantCaduceus - 植物DNA語言模型

PlantCaduceus是一個基於16種被子植物基因組進行預訓練的DNA語言模型。它利用Caduceus和Mamba架構以及掩碼語言建模目標，旨在從跨越1.6億年進化歷史的16個物種中學習進化保守性和DNA序列語法。

🚀 快速開始

本項目提供了一系列不同參數規模的PlantCaduceus模型，你可以根據需求選擇合適的模型。對於零樣本得分估計，我們強烈建議使用最大的模型 PlantCaduceus_l32。

✨ 主要特性

• 跨物種學習：基於16種被子植物基因組進行預訓練，能夠學習到跨越1.6億年進化歷史的物種的進化保守性和DNA序列語法。
• 多模型選擇：提供了不同參數規模的模型，包括 PlantCaduceus_l20、PlantCaduceus_l24、PlantCaduceus_l28 和 PlantCaduceus_l32，滿足不同的計算資源和任務需求。

💻 使用示例

基礎用法

from transformers import AutoModel, AutoModelForMaskedLM, AutoTokenizer
import torch
model_path = 'kuleshov-group/PlantCaduceus_l20'
device = "cuda:0" if torch.cuda.is_available() else "cpu"
model = AutoModelForMaskedLM.from_pretrained(model_path, trust_remote_code=True, device_map=device)
model.eval()
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

sequence = "ATGCGTACGATCGTAG"
encoding = tokenizer.encode_plus(
            sequence,
            return_tensors="pt",
            return_attention_mask=False,
            return_token_type_ids=False
        )
input_ids = encoding["input_ids"].to(device)
with torch.inference_mode():
    outputs = model(input_ids=input_ids, output_hidden_states=True)

📚 詳細文檔

模型參數

模型列表

• PlantCaduceus_l20: 20層，隱藏層大小384，2000萬個參數
• PlantCaduceus_l24: 24層，隱藏層大小512，4000萬個參數
• PlantCaduceus_l28: 28層，隱藏層大小768，1.12億個參數
• PlantCaduceus_l32: 32層，隱藏層大小1024，2.25億個參數

📄 許可證

本項目採用Apache-2.0許可證。

📚 引用信息

如果你使用了本項目的模型或代碼，請引用以下論文：

@article {Zhai2024.06.04.596709,
	author = {Zhai, Jingjing and Gokaslan, Aaron and Schiff, Yair and Berthel, Ana and Liu, Zong-Yan and Miller, Zachary R and Scheben, Armin and Stitzer, Michelle C and Romay, Cinta and Buckler, Edward S. and Kuleshov, Volodymyr},
	title = {Cross-species plant genomes modeling at single nucleotide resolution using a pre-trained DNA language model},
	elocation-id = {2024.06.04.596709},
	year = {2024},
	doi = {10.1101/2024.06.04.596709},
	URL = {https://www.biorxiv.org/content/early/2024/06/05/2024.06.04.596709},
	eprint = {https://www.biorxiv.org/content/early/2024/06/05/2024.06.04.596709.full.pdf},
	journal = {bioRxiv}
}

📞 聯繫我們

如果你有任何問題或建議，請聯繫 Jingjing Zhai (jz963@cornell.edu)。