TxGNN
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
- Harvard Medical School,Harvard-MIT Program in Health Sciences and Technology,The Mount Sinai Hospital (New York),Broad Institute,Harvard Data Science Initiative,Harvard University,Stanford University
- Type d'organisation
- Academia,Research collective,Research collective,Academia,Academia,Academia
- Pays
- United States of America
- Publié
- 25 September 2024
- Auteurs
- Kexin Huang, Payal Chandak, Qianwen Wang, Shreyas Havaldar, Akhil Vaid, Jure Leskovec, Girish N. Nadkarni, Benjamin S. Glicksberg, Nils Gehlenborg, Marinka Zitnik
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Drug discovery
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
- tokens
"The KG is heterogeneous, with 10 types of nodes and 29 types of undi- rected edges. It contains 123,527 nodes and 8,063,026 edges." Prediction targets are on the level of node pairs with limited labeled examples.
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Hosted access (no API)
- Code d'entraînement
- Open source
Python implementation of the methodology developed and used in the present study is available via the project website at https://zitniklab.hms.harvard.edu/projects/TxGNN. The code to reproduce results, documentation and usage examples is at https://github.com/mims-harvard/TxGNN [MIT license]. We developed a web-based app available at http://txgnn.org to access TxGNN’s predictions and predictive rationales. [I don't see model checkpoints in the repo] here is an interface to access the model: ht…
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
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- A foundation model for clinician-centered drug repurposing
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
D'où cela vient-il
TxGNN a été publié par Harvard Medical School,Harvard-MIT Program in Health Sciences and Technology,The Mount Sinai Hospital (New York),Broad Institute,Harvard Data Science Initiative,Harvard University,Stanford University, dans le pays enregistré comme United States of America, durant September 2024. Cela provient d'une organisation classée comme academia,Research collective,Research collective,Academia,Academia,Academia.
Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de drug discovery.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Réponses
TxGNN — questions courantes
TxGNN— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
TxGNN— 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.
TxGNN— qui l'a créé ?
Il a été publié par Harvard Medical School,Harvard-MIT Program in Health Sciences and Technology,The Mount Sinai Hospital (New York),Broad Institute,Harvard Data Science Initiative,Harvard University,Stanford University, basé sur United States of America, une organisation catégorisée comme academia,Research collective,Research collective,Academia,Academia,Academia.
TxGNN— quand a-t-il été publié ?
Il a été publié dans September 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.
TxGNN— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de drug discovery. 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.
TxGNN— 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.
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.