Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- West Virginia University,University of New Mexico
- Type d'organisation
- Academia,Academia
- Pays
- United States of America
- Publié
- 11 October 2024
- Auteurs
- Ádám M. Halász, Srinjoy Das, Stephen L. Mathias, Jeremy S. Edwards
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Protein-ligand binding affinity prediction
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- 1,682,725 tokens
Number of data points ≈ 50,000 unique kinase-ligand affinity pairs Details: - Original data: 80,878 kinase-ligand affinity values - Preprocessed to: 455 kinases × 5,275 ligands matrix with " one in ~180 entries being non-zero." Prediction targets are non zero entries plus sampled negative entries (unclear how many, estimating around 3-5 times the positive) Positive: 455*5275*(1/180)=13334 - Final training data: ~50,000 entries
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Speculative
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- DEEP LEARNING ENABLED DISCOVERY OF KINASE DRUG TARGETS IN PHAROS
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
À propos de ce modèle
Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos a été publié par West Virginia University,University of New Mexico, dans le pays enregistré comme United States of America, durant October 2024. La catégorie à laquelle appartient l'éditeur est academia,Academia.
Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de protein-ligand binding affinity prediction.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Comment il a été entraîné
L'entraînement a consommé un corpus d'environ 1,682,725 jetons de texte
Réponses
Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos — questions courantes
Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de protein-ligand binding affinity prediction. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos— qui l'a créé ?
Il a été publié par West Virginia University,University of New Mexico, basé sur United States of America, une organisation catégorisée comme academia,Academia.
Deep Learning Enabled Discovery of Kinase Drug Targets in Pharos— quand a-t-il été publié ?
Il a été publié dans October 2024. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.