DEPRECATED Enformer (Human) Model Predictor (Avsec et al. 2021) using the Genomic API for Model Evaluation (GAME) Framework
Notice bibliographique
Résumé
This record provides a Predictor container for the Enformer model (Avsec et al. 2021, Nature Methods). Enformer is a deep-learning architecure that substantially improves gene expression prediction from DNA sequences by integrating information from long-range interactions up to 100 kb away. Its key innovation is the use of novel transformer layers, which more effectively model the influence of distal regulatory elements like enhancers on gene expression and chromatin states in humans (and mice, but this Predictor is for humans only). The model predicts genomic tracks for the human genome, including CAGE for transcriptional activity, histone modifications, transcription factor binding, and DNA accessibility, all aggregated into 128-bp bins. It was trained in a multitask setting on a vast collection of human and mouse epigenomic datasets to study cis-regulatory evolution. The Predictor container (predictor_enformer.sif) includes: API Predictor script for sequence processing and error handling. Integrated Enformer model with its dependencies. Helper scripts and model weights. NOTE: This container requires a GPU for execution due to the computational demands of the transformer architecture. Running the container: Ensure Apptainer is intalled in the system the container is intended to run. Always run the Predictor first, so it can listen for incoming connections from Evaluators: apptainer run --containall --nv predictor_enformer.sif HOST_IP HOST_PORT MATCHER_IP MATCHER_PORT Additional information about the GAME framework can be found on GitHub: Genomic API for Model Evaluation Enformer Human Predictor-specific information, can be found within the same repository: [Enformer Predictor Link] Code repository for Enformer model: Enformer GitHub Paper can be found here: Avsec, Ž., Agarwal, V., Visentin, D. et al. Effective gene expression prediction from sequence by integrating long-range interactions. Nat Methods 18, 1196–1203 (2021). https://doi.org/10.1038/s41592-021-01252-x
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,062 | 0,029 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».