Esm2 T6 8M UR50D
模型概述
ESM-2是一種蛋白質語言模型,通過對蛋白質序列進行掩碼語言建模訓練,能夠理解和預測蛋白質序列中的氨基酸模式,適用於多種蛋白質相關任務。
模型特點
多規模模型選擇
提供從800萬到150億參數不等的多種規模模型,適應不同計算資源需求。
蛋白質序列理解
能夠理解和預測蛋白質序列中的氨基酸模式,捕捉蛋白質結構和功能信息。
易於微調
模型設計便於針對特定蛋白質任務進行微調,提供PyTorch和TensorFlow演示筆記本。
模型能力
蛋白質序列預測
掩碼氨基酸預測
蛋白質特徵提取
蛋白質結構推斷
使用案例
生物信息學
蛋白質功能預測
通過分析蛋白質序列預測其可能的功能
可幫助識別未知蛋白質的功能特性
蛋白質設計
輔助設計具有特定功能的新蛋白質序列
加速蛋白質工程研究
藥物發現
靶點識別
幫助識別潛在的藥物靶點蛋白質
提高藥物發現效率
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98