KinoML
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Charité-Universitätsmedizin Berlin,Saarland University,Memorial Sloan Kettering Cancer Center
- Tipo di organizzazione
- Academia,Academia
- Paese
- Germany, United States of America
- Pubblicato
- 10 September 2024
- Autori
- Raquel López-Ríos de Castro, Jaime Rodríguez-Guerra, David Schaller, Talia B Kimber, Corey Taylor, Jessica B White, Michael Backenköhler, Alexander Payne, Ben Kaminow, Iván Pulido, Sukrit Singh, Paula Linh Kramer, Guillermo Pérez-Hernández, Andrea Volkamer, John D Chodera
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Drug discovery, Protein-ligand binding affinity prediction
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
Total Datapoints = KLIFS + KinCo + ChEMBL + PKIS2 = 6,667 + 137,778 + (159,823 + 15,578 + 11,412) + 261,870 = 6,667 + 137,778 + 186,813 + 261,870 = 592,128 ≈ 6.17 × 10⁵
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open source
MIT license: https://github.com/openkinome/kinoml
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Lessons learned during the journey of data: from experiment to model for predicting kinase affinity, selectivity, polypharmacology, and resistance
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
KinoML è stato pubblicato da Charité-Universitätsmedizin Berlin,Saarland University,Memorial Sloan Kettering Cancer Center, nel paese registrato come Germany, durante September 2024. La categoria sotto cui rientra l'editore è academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di drug discovery, Protein-ligand binding affinity prediction.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Risposte
KinoML — domande comuni
KinoML— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
KinoML— chi l'ha creato?
È stato pubblicato da Charité-Universitätsmedizin Berlin,Saarland University,Memorial Sloan Kettering Cancer Center, basato su Germany, un'organizzazione categorizzata come academia,Academia.
KinoML— quando è stato rilasciato?
È stato pubblicato in September 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
KinoML— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di drug discovery, Protein-ligand binding affinity prediction. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
KinoML— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
KinoML— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.