LEP-AD
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- King Abdullah University of Science and Technology (KAUST),Karolinska Institute
- Organisationsart
- Academia,Academia
- Land
- Saudi Arabia, Sweden
- Veröffentlicht
- 15 March 2023
- Autoren
- Anuj Daga, Sumeer Ahmad Khan, David Gomez Cabrero, Robert Hoehndorf, Narsis A. Kiani, Jesper Tegner
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Biology
- Aufgabe
- Proteins, Protein interaction prediction, Drug discovery, Protein-ligand binding affinity prediction
- Basis-Modell
- ESM2-3B
- Numerisches Format
- FP16
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 3B
- Trainingsdaten
- 1,244,420 tokens
Uses ESM-2 3B. Table 2 gives details on the non-ESM layers. The GCN appears to have about 3.31M parameters and the linear layers should have 771k and 3.3M, respectively. So total is ~3.007B
Largest dataset appears to be STITCH, at 1244420 drug-target pairs.
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Open (non-commercial)
https://github.com/adaga06/LEP-AD unclear license
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Warum es verfolgt wird
- SOTA improvement
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 1
Tables 3-5 "We report new best-in-class state-of-the-art results compared to competing methods such as SimBoost, DeepCPI, Attention-DTA, GraphDTA, and more using multiple datasets, including Davis, KIBA, DTC, Metz, ToxCast, and STITCH. Finally, we find that a pre-trained model with embedding of proteins (the LED-AD) outperforms a model using an explicit alpha-fold 3D representation of proteins (e.g., LEP-AD supervised by Alphafold)"
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- LEP-AD: Language Embedding of Proteins and Attention to Drugs predicts Drug Target Interactions
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Was dieses Modell ist
LEP-AD wurde veröffentlicht von King Abdullah University of Science and Technology (KAUST),Karolinska Institute, im Land aufgezeichnet als Saudi Arabia, während March 2023. Die veröffentlichende Organisation ist als academia,Academia.
Es funktioniert im Bereich von Biology, und wird als die Aufgabe von aufgezeichnet proteins, Protein interaction prediction, Drug discovery, Protein-ligand binding affinity prediction.
Anstatt von Grund auf neu trainiert zu werden, ist es abgeleitet von ESM2-3B. Die meisten Modelle in diesem Bereich sind von einer bestehenden Basis abgeleitet, anstatt aus dem Nichts erstellt zu werden.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Was in den Aufbau geflossen ist
Training verbrauchte ein Korpus von etwa 1,244,420 Text-Tokens
Der Grund, warum es überhaupt in diesem Katalog erscheint: sOTA improvement.
Antworten
LEP-AD — Häufige Fragen
LEP-AD— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 3B. Uses ESM-2 3B. Table 2 gives details on the non-ESM layers. The GCN appears to have about 3.31M parameters and the linear layers should have 771k and 3.3M, respectively. So total is ~3.007B. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
LEP-AD— Wer hat es erstellt?
Es wurde veröffentlicht von King Abdullah University of Science and Technology (KAUST),Karolinska Institute, basiert auf Saudi Arabia, eine als kategorisierte Organisation academia,Academia.
LEP-AD— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in March 2023. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
LEP-AD— Wofür wird es verwendet?
Es funktioniert im Bereich von Biology, und wird als Bewältigung der Aufgabe von proteins, Protein interaction prediction, Drug discovery, Protein-ligand binding affinity prediction. Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.
LEP-AD— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
LEP-AD— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.