Esm2 T6 8M UR50D Sequence Classifier V1

🚀 AmelieSchreiber/esm2_t6_8M_UR50D_sequence_classifier_v1 序列分类器

本项目基于 AmelieSchreiber/esm2_t6_8M_UR50D_sequence_classifier_v1 模型，使用 transformers.js 库实现零样本分类任务。借助 ONNX 权重，该模型能够与 Transformers.js 兼容，可在 Web 环境中高效运行。

🚀 快速开始

安装依赖

如果你还没有安装 Transformers.js 库，可以使用以下命令从 NPM 进行安装：

npm i @xenova/transformers

模型链接

AmelieSchreiber/esm2_t6_8M_UR50D_sequence_classifier_v1 此模型带有 ONNX 权重，以兼容 Transformers.js。

💻 使用示例

基础用法

以下是一个使用 Xenova/esm2_t6_8M_UR50D_sequence_classifier_v1 进行蛋白质序列分类的示例：

import { pipeline } from '@xenova/transformers';

// 创建文本分类管道
const classifier = await pipeline('text-classification', 'Xenova/esm2_t6_8M_UR50D_sequence_classifier_v1');

// 假设这些是你要分类的新序列
// 额外家族 0: 酶类
const new_sequences_0 = [
    'ACGYLKTPKLADPPVLRGDSSVTKAICKPDPVLEK',
    'GVALDECKALDYLPGKPLPMDGKVCQCGSKTPLRP',
    'VLPGYTCGELDCKPGKPLPKCGADKTQVATPFLRG',
    'TCGALVQYPSCADPPVLRGSDSSVKACKKLDPQDK',
    'GALCEECKLCPGADYKPMDGDRLPAAATSKTRPVG',
    'PAVDCKKALVYLPKPLPMDGKVCRGSKTPKTRPYG',
    'VLGYTCGALDCKPGKPLPKCGADKTQVATPFLRGA',
    'CGALVQYPSCADPPVLRGSDSSVKACKKLDPQDKT',
    'ALCEECKLCPGADYKPMDGDRLPAAATSKTRPVGK',
    'AVDCKKALVYLPKPLPMDGKVCRGSKTPKTRPYGR',
]

// 额外家族 1: 受体蛋白
const new_sequences_1 = [
    'VGQRFYGGRQKNRHCELSPLPSACRGSVQGALYTD',
    'KDQVLTVPTYACRCCPKMDSKGRVPSTLRVKSARS',
    'PLAGVACGRGLDYRCPRKMVPGDLQVTPATQRPYG',
    'CGVRLGYPGCADVPLRGRSSFAPRACMKKDPRVTR',
    'RKGVAYLYECRKLRCRADYKPRGMDGRRLPKASTT',
    'RPTGAVNCKQAKVYRGLPLPMMGKVPRVCRSRRPY',
    'RLDGGYTCGQALDCKPGRKPPKMGCADLKSTVATP',
    'LGTCRKLVRYPQCADPPVMGRSSFRPKACCRQDPV',
    'RVGYAMCSPKLCSCRADYKPPMGDGDRLPKAATSK',
    'QPKAVNCRKAMVYRPKPLPMDKGVPVCRSKRPRPY',
]

// 额外家族 2: 结构蛋白
const new_sequences_2 = [
    'VGKGFRYGSSQKRYLHCQKSALPPSCRRGKGQGSAT',
    'KDPTVMTVGTYSCQCPKQDSRGSVQPTSRVKTSRSK',
    'PLVGKACGRSSDYKCPGQMVSGGSKQTPASQRPSYD',
    'CGKKLVGYPSSKADVPLQGRSSFSPKACKKDPQMTS',
    'RKGVASLYCSSKLSCKAQYSKGMSDGRSPKASSTTS',
    'RPKSAASCEQAKSYRSLSLPSMKGKVPSKCSRSKRP',
    'RSDVSYTSCSQSKDCKPSKPPKMSGSKDSSTVATPS',
    'LSTCSKKVAYPSSKADPPSSGRSSFSMKACKKQDPPV',
    'RVGSASSEPKSSCSVQSYSKPSMSGDSSPKASSTSK',
    'QPSASNCEKMSSYRPSLPSMSKGVPSSRSKSSPPYQ',
]

// 合并所有序列
const new_sequences = [...new_sequences_0, ...new_sequences_1, ...new_sequences_2];

// 获取每个序列的预测类别
const predictions = await classifier(new_sequences);

// 输出每个序列的预测类别
for (let i = 0; i < predictions.length; ++i) {
    console.log(`Sequence: ${new_sequences[i]}, Predicted class: '${predictions[i].label}'`)
}
// Sequence: ACGYLKTPKLADPPVLRGDSSVTKAICKPDPVLEK, Predicted class: 'Enzymes'
// ... (截断)
// Sequence: AVDCKKALVYLPKPLPMDGKVCRGSKTPKTRPYGR, Predicted class: 'Enzymes'
// Sequence: VGQRFYGGRQKNRHCELSPLPSACRGSVQGALYTD, Predicted class: 'Receptor Proteins'
// ... (截断)
// Sequence: QPKAVNCRKAMVYRPKPLPMDKGVPVCRSKRPRPY, Predicted class: 'Receptor Proteins'
// Sequence: VGKGFRYGSSQKRYLHCQKSALPPSCRRGKGQGSAT, Predicted class: 'Structural Proteins'
// ... (截断)
// Sequence: QPSASNCEKMSSYRPSLPSMSKGVPSSRSKSSPPYQ, Predicted class: 'Structural Proteins'

注意事项

目前为 ONNX 权重单独创建一个仓库是一个临时解决方案，直到 WebML 得到更广泛的应用。如果你想让你的模型适用于 Web，建议使用 🤗 Optimum 将模型转换为 ONNX 格式，并按照本仓库的结构组织你的仓库（将 ONNX 权重放在名为 onnx 的子文件夹中）。

📚 详细文档

模型信息