Albumin

🚀 Albumin-15s

Albumin-15s是一个经过微调的模型，用于比较15个碱基长度的适体与目标蛋白白蛋白的亲和力，帮助确定更合适的适体序列。

🚀 快速开始

本模型基于Albert-base-v2微调而来，可用于预测适体与目标蛋白白蛋白的亲和力。以下是使用示例：

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

若要预测批量序列，需使用自定义函数，具体可参考git/prediction.ipynb。

✨ 主要特性

• 适体亲和力比较：可对15个碱基长度的适体进行比较，判断哪个适体与目标蛋白白蛋白的亲和力更强。
• 可扩展性：可在不同长度的适体或扩展数据集上再次进行微调。

📚 详细文档

模型描述

该模型是Albert-base-v2的一个版本，用于比较15个碱基长度的适体，以确定哪个适体与目标蛋白白蛋白的亲和力更强。Albert模型最初是用英语进行预训练的，语言、蛋白质和适体之间有许多相似之处，因此我们对其进行了微调，帮助模型学习适体的嵌入定位，从而更好地区分序列。更多信息可查看我们的github和iGEMs wiki。

预期用途和局限性

预期用途

该微调模型可用于掩码适体对序列分类，预测哪个适体与目标蛋白白蛋白的亲和力更强，也可用于预测任务。不过，它主要用于在不同长度的适体或扩展数据集上再次进行微调。

局限性和偏差

对于这类任务，微调后的Albert模型在预测哪个适体更适合目标蛋白时，准确率上限约为90%。使用Albert-large模型或大量15个碱基长度的适体数据集可能会使准确率提高几个百分点。但外推情况尚未研究，因此当其中一个适体与白蛋白的亲和力极高（几乎达到最大熵）时，我们无法确定该模型是否处于当前最优水平。

评估结果

这些分数是使用sklearn.metrics计算得出的。