Esm2 T33 650M UR50D
模型概述
ESM-2是一個蛋白質語言模型,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的結構與功能。該模型適用於各種蛋白質相關的下游任務。
模型特點
大規模預訓練
模型在大量蛋白質序列數據上進行預訓練,具有強大的蛋白質表示能力
多尺度模型
提供從800萬到150億參數的不同規模模型,可根據需求選擇
蛋白質特定設計
專門為蛋白質序列分析優化,能有效捕捉氨基酸序列的進化信息
模型能力
蛋白質序列表示學習
蛋白質結構預測
蛋白質功能預測
蛋白質突變效應分析
蛋白質相互作用預測
使用案例
生物醫學研究
蛋白質功能註釋
預測未知蛋白質的功能特性
可幫助研究人員快速瞭解新發現蛋白質的潛在功能
藥物靶點發現
識別潛在的藥物靶點蛋白質
加速藥物研發過程
蛋白質工程
蛋白質設計
設計具有特定功能的新蛋白質
可用於開發新型酶或治療性蛋白質
蛋白質穩定性優化
預測和優化蛋白質的穩定性
提高工業用酶的穩定性
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