Helix Mrna

🚀 Helix-mRNA-v0

Helix-mRNA是一个基于混合状态空间和Transformer的模型，它充分利用了Mamba2状态空间架构高效的序列处理能力，以及Transformer注意力机制的上下文理解能力，融合了这两种方法的优势。这些特性使其特别适合研究全长转录本、剪接变体和复杂的mRNA结构元素。

🚀 快速开始

Helix-mRNA模型在mRNA研究领域有着独特的优势，下面将为你介绍如何使用相关工具。

✨ 主要特性

• 混合架构优势：结合了Mamba2状态空间架构和Transformer注意力机制，兼顾高效序列处理和上下文理解。
• 单核苷酸分辨率编码：将每个核苷酸（A、C、U、G）和模糊碱基（N）映射到唯一整数，并引入特殊字符E表示每个密码子的起始，最大程度保留mRNA序列的完整信息。

📦 安装指南

运行以下命令，通过pip安装 Helical 包：

pip install --upgrade helical

💻 使用示例

基础用法

from helical.models.helix_mrna import HelixmRNA, HelixmRNAConfig
import torch

device = "cuda" if torch.cuda.is_available() else "cpu"

input_sequences = ["EACU"*20, "EAUG"*20, "EAUG"*20, "EACU"*20, "EAUU"*20]

helix_mrna_config = HelixmRNAConfig(batch_size=5, device=device, max_length=100)
helix_mrna = HelixmRNA(configurer=helix_mrna_config)

# prepare data for input to the model
processed_input_data = helix_mrna.process_data(input_sequences)

# generate the embeddings for the processed data
embeddings = helix_mrna.get_embeddings(processed_input_data)

高级用法

from helical.models.helix_mrna import HelixmRNA, HelixmRNAConfig
import torch

device = "cuda" if torch.cuda.is_available() else "cpu"

input_sequences = ["EACU"*20, "EAUG"*20, "EAUG"*20, "EACU"*20, "EAUU"*20]
labels = [0, 2, 2, 0, 1]

helixr_config = HelixmRNAConfig(batch_size=5, device=device, max_length=100)
helixr_fine_tune = HelixmRNAFineTuningModel(helix_mrna_config=helixr_config, fine_tuning_head="classification", output_size=3)

# prepare data for input to the model
train_dataset = helixr_fine_tune.process_data(input_sequences)

# fine-tune the model with the relevant training labels
helixr_fine_tune.train(train_dataset=train_dataset, train_labels=labels)

# get outputs from the fine-tuned model on a processed dataset
outputs = helixr_fine_tune.get_outputs(train_dataset)

📚 详细文档

你可以在我们的 论文 中了解更多关于Helix-mRNA的信息。

🔧 技术细节

我们以单核苷酸分辨率对mRNA序列进行标记，将每个核苷酸（A、C、U、G）和模糊碱基（N）映射到唯一整数，并在序列中加入特殊字符E表示每个密码子的起始。这种细粒度的方法最大限度地提高了模型从序列中提取模式的能力。与可能将核苷酸分组或使用基于k-mer方法的较粗粒度标记方法不同，我们的单核苷酸分辨率保留了mRNA分子的完整序列信息。这种简单而有效的编码方案确保了在预处理阶段不会丢失任何信息，使下游模型能够直接从原始序列组成中学习。

📄 许可证

本项目采用CC BY-NC-SA 4.0许可证。

📚 引用信息

如果你使用了相关模型或工具，请引用以下论文和软件包：

@misc{wood2025helixmrnahybridfoundationmodel,
      title={Helix-mRNA: A Hybrid Foundation Model For Full Sequence mRNA Therapeutics}, 
      author={Matthew Wood and Mathieu Klop and Maxime Allard},
      year={2025},
      eprint={2502.13785},
      archivePrefix={arXiv},
      primaryClass={q-bio.GN},
      url={https://arxiv.org/abs/2502.13785}, 
}

@software{allard_2024_13135902,
  author       = {Helical Team},
  title        = {helicalAI/helical: v0.0.1-alpha10},
  month        = nov,
  year         = 2024,
  publisher    = {Zenodo},
  version      = {0.0.1a10},
  doi          = {10.5281/zenodo.13135902},
  url          = {https://doi.org/10.5281/zenodo.13135902}
}

📋 信息表格