Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.07747

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2501.07747 (cs)
[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

Authors:Gabriel Bianchin de Oliveira, Helio Pedrini, Zanoni Dias
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。
摘要: Various approaches utilizing Transformer architectures have achieved state-of-the-art results in Natural Language Processing (NLP). Based on this success, numerous architectures have been proposed for other types of data, such as in biology, particularly for protein sequences. Notably among these are the ESM2 architectures, pre-trained on billions of proteins, which form the basis of various state-of-the-art approaches in the field. However, the ESM2 architectures have a limitation regarding input size, restricting it to 1,022 amino acids, which necessitates the use of preprocessing techniques to handle sequences longer than this limit. In this paper, we present the long and quantized versions of the ESM2 architectures, doubling the input size limit to 2,048 amino acids.
主题: 机器学习 (cs.LG) ; 定量方法 (q-bio.QM)
引用方式: arXiv:2501.07747 [cs.LG]
  (或者 arXiv:2501.07747v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.07747
通过 DataCite 发表的 arXiv DOI
相关 DOI: https://doi.org/10.5753/bsb.2024.244804
链接到相关资源的 DOI

提交历史

来自: Gabriel Bianchin De Oliveira [查看电子邮件]
[v1] 星期一, 2025 年 1 月 13 日 23:26:29 UTC (127 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-bio.QM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.LG
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号