计算机科学 > 机器学习
[提交于 2025年1月13日
]
标题: 扩大ESM2架构以分析长蛋白质序列:长序列和量化方法
标题: Scaling Up ESM2 Architectures for Long Protein Sequences Analysis: Long and Quantized Approaches
摘要: 利用Transformer架构的各种方法在自然语言处理(NLP)中取得了最先进的结果。 基于这一成功,已经提出了许多用于其他类型数据的架构,例如生物学领域,特别是蛋白质序列。 其中值得注意的是ESM2架构,它们在数十亿个蛋白质上进行了预训练,构成了该领域各种最先进的方法的基础。 然而,ESM2架构在输入大小方面存在限制,将其限制为1,022个氨基酸,这需要使用预处理技术来处理超过此限制的序列。 在本文中,我们提出了ESM2架构的长版本和量化版本,将输入大小限制加倍至 2,048个氨基酸。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.