monoyield-predictor

monoyield-predictor

预测一条蛋白质序列在大肠杆菌里能以单体形式表达多少，单位为 log10 mg/L。提供 ESMC-6B 和 SaProt 的已训练 LoRA 适配器和回归头，面向蛋白质研究人员。

由 Tsuboyama-Lab 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：monoyield-predictor 存放一个模型的已训练权重，这个模型预测蛋白质序列在大肠杆菌中的单体表达产量，尺度是 log10 mg/L。文件是 LoRA 适配器和回归头，每个折叠 7 到 12 MB。冻结的基础模型不包含在内，因为代码在运行时才从 Hugging Face 拉取它们。

适合谁：想在做实验之前估算表达产量的蛋白质研究人员。这些权重附带一篇 bioRxiv 预印本和一个代码仓库。

Industry | Who uses it | How they use it | Example
生物技术 | 蛋白质工程师 | 按预期的大肠杆菌产量给设计序列排名 | 给一个候选序列的 CSV 打分
学术实验室 | 蛋白质研究人员 | 用自己的实测数据检验预测器 | 比较预测产量和实测产量
抗体工作 | 纳米抗体开发者 | 预测纳米抗体的单体产量或单体与二聚体的比例 | 给一组纳米抗体序列打分
研究工具 | 计算生物学家 | 在自己的流程里使用这些适配器 | 对新数据调用预测脚本

没有大显存 GPU，或者不处理蛋白质序列的人可以跳过它。

用在哪里：

• Windows、macOS 或 Linux 上的 Python 环境
• 显存约 48 GB（fp32）或约 24 GB（bfloat16）的 GPU 电脑
• 配套的代码仓库，里面有脚本和示例文件

Use case | Who | What they get back
从头设计与突变扫描 | 蛋白质工程师 | 每条序列的预测 log10 单体产量
纳米抗体产量 | 纳米抗体开发者 | 每个纳米抗体的预测 log10 单体产量
纳米抗体二聚体比例 | 纳米抗体开发者 | 预测的 log10 单体与二聚体比例

如何设置：

• Python 和 pip
• 显存足够的 GPU：fp32 约 48 GB，bfloat16 约 24 GB，卡片说 bfloat16 需要自行验证
• 卡片点名的配套代码仓库

1. 安装 Hugging Face hub 工具，如果想要本地副本，就下载这些权重。
2. 获取配套的代码仓库，并进入它的文件夹。
3. 以可编辑模式安装它。
4. 运行它的下载脚本来获取权重。

pip install -U huggingface_hub
hf download Tsuboyama-Lab/monoyield-predictor

cd monoyield-predictor
pip install -e .
HF_REPO=Tsuboyama-Lab/monoyield-predictor bash download_weights.sh weights

如何使用：对一个序列 CSV 运行预测脚本，指定权重文件夹和它训练时用的基础模型。每个文件夹有五个折叠检查点，预测值是五个的平均。代码仓库列出了所有模型、输入格式和训练命令。

python scripts/predict_esmc_mlp_head.py --external_csv examples/example_main_library.csv \
    --model_dir weights/esmc_monoyield --model_name biohub/ESMC-6B \
    --model_revision 45b0fa5d7fb06faefbd5e3b89bdcef35d564e79a --dtype float32 --batch_size 1 --out_csv predictions.csv

Tool | What it does
esmc_monoyield | ESMC-6B 适配器，读取氨基酸序列并预测 log10 单体产量
saprot_lora | SaProt 适配器，读取序列加 Foldseek 3Di，并预测同样的产量
esmc_nb_monoyield | 用于纳米抗体序列的 ESMC-6B 适配器，预测 log10 单体产量
esmc_nb_mdratio | 用于纳米抗体序列的 ESMC-6B 适配器，预测 log10 单体与二聚体比例

示例：你让脚本指向示例文库文件和 esmc_monoyield 文件夹。它用 ESMC-6B 模型和五个折叠检查点给每条序列打分，然后把预测写入 predictions.csv。

新手与专家：这是用于蛋白质工作的研究软件，不是点一下就能用的应用。稳妥的第一步是先读卡片里的文件表，等你有了显存足够的 GPU，再运行一次示例 CSV。

从原理上看，每个适配器给一个冻结的基础模型加上低秩矩阵和一个回归头。四个变体分别覆盖从头设计与突变扫描产量、一个带结构信息的 SaProt 版本，以及两个纳米抗体目标。对五个折叠取平均，可以抹平各检查点之间的差异。

序列以 CSV 文件输入
冻结的基础模型读取每条序列
适配器和回归头给出每个折叠的分数
对五个折叠取平均
预测结果写入 CSV 文件

注意事项：

• Hardware: 用 ESMC-6B 跑完整的 fp32 精度，需要大约 48 GB 显存的 GPU。用 bfloat16 能放进 24 GB，不过卡片说要先检查结果。
• Base terms: 这些适配器是 ESMC-6B 和 SaProt 的衍生品，所以你还必须遵守这两个模型的条款。
• ESMC-6B terms: MIT 许可加第三方声明，以及 Biohub 的可接受使用政策。SaProt 模型使用 MIT 许可。
• License: 适配器使用 Apache 2.0。
• Cost to run: 未提及。你需要显存足够的 GPU，来源里没有出现付费服务。
• Data it reaches: 你的序列 CSV、来自 Hugging Face 的基础模型文件，以及配套的代码仓库。
• Not for: 来源没有写明其他禁止的用途。请遵守随 ESMC-6B 附带的 Biohub 可接受使用政策。

Hugging Face 上的数据（2026年11月13日）

• 框架：peft
• 最近 30 天下载：0
• 点赞：3
• 许可证：apache-2.0
• 基于：biohub/ESMC-6B
• 标签：peft, protein, protein-language-model, lora, expression-yield, nanobody

链接

• 模型：https://huggingface.co/Tsuboyama-Lab/monoyield-predictor
• 文件：https://huggingface.co/Tsuboyama-Lab/monoyield-predictor/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Tsuboyama-Lab/monoyield-predictor

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。