MultiMolecule

你想完成什么？

从你要完成的任务开始：基于序列预测、用自己的数据微调、加载预训练模型，或使用整理好的数据集。

Prediction

基于序列预测

已注册的 pipeline 将生物任务名称和输入序列转换成结构化预测，不需要手动组装模型、tokeniser 和后处理。

import multimolecule
from transformers import pipeline

predict = pipeline(
    "rna-secondary-structure",
    model="multimolecule/ernierna-ss",
)
structure = predict("AUCAGCCUUCGUUCUGUAAACGG")

Training

用自己的数据微调

runner 将预训练 checkpoint 与 Hugging Face 数据集或本地标注表格连接起来，并根据序列列和标签列启动监督训练。

import multimolecule as mm

config = mm.Config(
    pretrained="multimolecule/ernierna",
    data={
        "root": "multimolecule/chanrg",
        "feature_cols": ["sequence"],
        "label_cols": ["secondary_structure"],
    },
)

runner = mm.Runner(config)
runner.train()

Models

加载预训练模型

模型卡提供 checkpoint ID、输入约定、引用和许可证；Python API 支持在任务 pipeline 之外直接控制模型。

import multimolecule as mm

tokenizer = mm.RnaTokenizer.from_pretrained("multimolecule/ernierna-ss")
model = mm.AutoModelForRnaSecondaryStructurePrediction.from_pretrained(
    "multimolecule/ernierna-ss",
)

inputs = tokenizer("AUCAGCCUUCGUUCUGUAAACGG", return_tensors="pt")
outputs = model(**inputs)

Datasets

使用整理好的数据集

整理好的生物数据集包含序列与标签字段、任务元数据、来源信息、引用和许可证，可用于基准、示例和微调。

from datasets import load_dataset

dataset = load_dataset("multimolecule/chanrg", split="train")

底层是一套栈

当你需要更细的控制时，同一套生态也提供带文档的资源、生物输入处理、可复用模型组件，以及用于预测、训练、评估和脚本化使用的执行工具。

Execution

Pipeline、runner 和 API

pipeline 提供现成任务预测，runner 管理监督训练和评估，API 入口支持脚本和应用。

runner · pipelines · api

Resources

带来源信息的模型和数据集

数据集卡和模型卡整理支持的输入、任务名称、checkpoint ID、引用、许可证和训练元数据。

datasets · models

Data layer

从生物数据到模型输入

IO、tokeniser 和数据工具将生物序列、结构和注释转换成一致的输入，用于 pipeline、训练和评估。

io · tokenisers · data

Model layer

可复用的模型构件

models 提供预训练 config、AutoModel 类、checkpoint 和输出约定；modules 提供 backbone、head、loss 和 embedding，用于自定义架构。

models · modules

社区

• Google Group

  接收发布公告、迁移说明和设计 RFC，不需要跟进每一个 issue。

  订阅公告

• Discourse

  讨论某个生物问题适合哪个 pipeline、模型或数据集，也可以分享配置、请求模型和交流模型组件设计。

  加入讨论