TranceptEve
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- University of Oxford,Harvard Medical School
- Tipo de Organización
- Academia,Academia
- País
- United Kingdom of Great Britain and Northern Ireland, United States of America
- Publicado
- 10 December 2022
- Autores
- Pascal Notin, Lood Van Niekerk, Aaron W Kollasch, Daniel Ritter, Yarin Gal, Debora S. Marks
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Proteins, Protein pathogenicity prediction
- Modelo base
- Tranception
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
https://www.pascalnotin.com/publication/trancepteve/
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Unknown
"Besides its broader application scope, it achieves state-of- the-art performance for mutation effects prediction, both in terms of correlation with experimental assays and with clinical annotations from ClinVar."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- TranceptEVE: Combining Family-specific and Family-agnostic Models of Protein Sequences for Improved Fitness Prediction
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
TranceptEve fue publicado por University of Oxford,Harvard Medical School, en el país registrado como United Kingdom of Great Britain and Northern Ireland, durante December 2022. Sale de una organización categorizada como academia,Academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de proteins, Protein pathogenicity prediction.
En lugar de ser entrenado desde cero, se deriva de Tranception. Esa es la forma habitual en que se produce un modelo especializado.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Cómo fue entrenado
Su criterio de inclusión: sOTA improvement.
Respuestas
TranceptEve — preguntas comunes
TranceptEve— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
TranceptEve— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
TranceptEve— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
TranceptEve— ¿Quién lo creó?
Fue publicado por University of Oxford,Harvard Medical School, basado en United Kingdom of Great Britain and Northern Ireland, una organización categorizada como academia,Academia.
TranceptEve— ¿cuándo fue lanzado?
Se publicó en December 2022. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
TranceptEve— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de proteins, Protein pathogenicity prediction. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.