SAAMBE-MEM
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- Clemson University,Central China Normal University
- Organisatie type
- Academia,Academia
- Land
- United States of America, China
- Gepubliceerd
- 6 September 2024
- Auteurs
- Prawin Rimal, Shailesh Kumar Panday, Wang Xu, Yunhui Peng, Emil Alexov
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Biology
- Taak
- Mutation prediction, Protein protein binding affinity prediction
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Opleidingsgegevens
- tokens
Dataset: MPAD_Clean Unique datapoints = 1040 mutations = 1.04e3 Calculations: 1040 = 1.04 × 10³ Final result: 1.04e3 datapoints
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Model toegang
- Hosted access (no API)
- Trainingscode
- Unreleased
The method is accessible via a web server and standalone code at http://compbio.clemson.edu/SAAMBE-MEM/
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Confident
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- SAAMBE-MEM: A Sequence-Based Method for Predicting Binding Free Energy Change upon Mutation in Membrane Protein-Protein Complexes
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
SAAMBE-MEM was published by Clemson University,Central China Normal University, in United States of America, in September 2024. The organisation is categorised as academia,Academia.
It works in Biology, and is recorded as doing mutation prediction, Protein protein binding affinity prediction.
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Antwoorden
SAAMBE-MEM — Veelgestelde vragen
What GPU do I need to run SAAMBE-MEM?
None. SAAMBE-MEM is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is SAAMBE-MEM open source?
No. SAAMBE-MEM has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does SAAMBE-MEM have?
No parameter count has been published for SAAMBE-MEM, which is why no memory or speed figure appears on this page.
Who created SAAMBE-MEM?
SAAMBE-MEM was published by Clemson University,Central China Normal University, based in United States of America, categorised as academia,Academia.
When was SAAMBE-MEM released?
SAAMBE-MEM was published in September 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is SAAMBE-MEM used for?
SAAMBE-MEM works in Biology, and is recorded as handling mutation prediction, Protein protein binding affinity prediction. These are the areas it was designed around; they describe intent rather than a hard boundary.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.