LEP-AD
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
- King Abdullah University of Science and Technology (KAUST),Karolinska Institute
- Tipo di organizzazione
- Academia,Academia
- Paese
- Saudi Arabia, Sweden
- Pubblicato
- 15 March 2023
- Autori
- Anuj Daga, Sumeer Ahmad Khan, David Gomez Cabrero, Robert Hoehndorf, Narsis A. Kiani, Jesper Tegner
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Proteins, Protein interaction prediction, Drug discovery, Protein-ligand binding affinity prediction
- Modello di base
- ESM2-3B
- Formato numerico
- FP16
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.
- parametri
- 3B
- Dati di addestramento
- 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.
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 (non-commercial)
https://github.com/adaga06/LEP-AD unclear license
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 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)"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- LEP-AD: Language Embedding of Proteins and Attention to Drugs predicts Drug Target Interactions
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
LEP-AD è stato pubblicato da King Abdullah University of Science and Technology (KAUST),Karolinska Institute, nel paese registrato come Saudi Arabia, durante March 2023. L'organizzazione di pubblicazione è classificata come academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di proteins, Protein interaction prediction, Drug discovery, Protein-ligand binding affinity prediction.
Invece di essere addestrato da zero, è derivato da ESM2-3B. La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
L'addestramento ha consumato un corpus di circa 1,244,420 token di testo
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
LEP-AD — domande comuni
LEP-AD— quanti parametri ha?
Ha un numero di parametri di 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. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
LEP-AD— chi l'ha creato?
È stato pubblicato da King Abdullah University of Science and Technology (KAUST),Karolinska Institute, basato su Saudi Arabia, un'organizzazione categorizzata come academia,Academia.
LEP-AD— quando è stato rilasciato?
È stato pubblicato in March 2023. 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.
LEP-AD— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di proteins, Protein interaction prediction, Drug discovery, Protein-ligand binding affinity prediction. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
LEP-AD— 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.
LEP-AD— 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.