NTv3 Foundation Models for Genomics

NTv3 Foundation Models for Genomics

介绍 InstaDeepAI 的 NTv3 基因组基础模型，它们一次能读取最长 1 Mb 的 DNA，页面还指向可运行的 PyTorch 笔记本，可以在浏览器里看，也可以下载。

由 InstaDeepAI 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：NTv3 Foundation Models for Genomics 是 InstaDeepAI 为一个基因组模型家族做的配套中心。这些模型一次读取最长 1 Mb 的 DNA，并对每一个碱基给出预测。一个架构处理三项任务：预测功能轨道、注释基因、设计调控序列。这个 Space 是一个静态页面，指向可运行的 PyTorch 笔记本。

适合谁：适合想了解这些模型并运行教程的基因组学研究者和机器学习从业者。

行业 | 谁在用 | 怎么用 | 例子
基因组学研究 | 计算生物学家 | 在一长段 DNA 上预测功能轨道 | 在一个基因组区域上运行轨道模型
植物生物技术 | 植物科学家 | 用示例生成模型按要求的强度设计植物核心启动子 | 跟着 notebook 06 操作
生物信息学 | 注释团队 | 只根据 DNA 序列预测基因，每个演化类群一个模型 | 选择植物或昆虫的模型

如果你想要点点鼠标就能用的网页工具，可以跳过它，因为这个 Space 是页面和笔记本的集合，模型放在各自的仓库里。

用在哪里：这个中心可以在这些地方使用。

• 网页浏览器：静态 Space 在里面打开，不用安装任何东西
• Windows、macOS 或 Linux：用 Python 下载 Space 的文件，然后打开 index.html
• PyTorch 笔记本：notebooks_tutorials 文件夹里有可运行的笔记本

用途 | 谁用 | 能得到什么
了解这些模型 | 研究者 | Space 里介绍 NTv3 做什么、各模型有何不同的页面
运行教程 | 开发者 | notebooks_tutorials 文件夹里可运行的 PyTorch 笔记本
设计植物启动子 | 植物科学家 | 来自 notebook 06 的、按要求强度设计的核心启动子

如何设置：浏览这个中心只需要一个网页浏览器。想要本地副本并运行笔记本，还要再准备几样东西。

• 一个网页浏览器
• Windows、macOS 或 Linux 上的 Python，用来下载文件
• 一套 PyTorch 环境，用来运行笔记本

1. 在 Hugging Face 上打开这个 Space 页面，在线浏览。
2. 想要本地副本的话，先用 pip 安装 Hugging Face hub 库。
3. 把这个 Space 的文件下载到名为 ntv3 的文件夹里。
4. 进入这个文件夹。
5. 在网页浏览器里打开 index.html，笔记本在 notebooks_tutorials 里。

pip install -U huggingface_hub
hf download InstaDeepAI/ntv3 --repo-type space --local-dir ntv3
cd ntv3

如何使用：打开页面，读一读各个模型有何不同。然后打开一个笔记本，用 PyTorch 运行。notebook 05 教你搭建设计模型的做法，notebook 06 运行植物启动子模型。

cd ntv3

工具 | 作用
NTv3-pretrained | 给出嵌入和被遮盖词元的预测，也可以用你自己的数据微调
NTv3-tracks | 对 16 kb 到 1 Mb 之间的输入预测功能轨道，也是后续微调的起点
NTv3-tracks-1mb | 为 1 Mb 窗口打造的变体，论文的结果就用它得出，所以不支持更短的窗口
NTv3-annotate | 只根据 DNA 序列预测基因，每个演化类群一个模型
NTv3-generative-plant-promoter | 一个示例生成模型，按你选的强度生成植物核心启动子

示例：你从 notebooks_tutorials 文件夹里打开 notebook 06。它运行植物启动子模型，并按你要求的强度设计一个核心启动子。

新手与专家：如果你是新手，NTv3 是一个读取 DNA 并预测各部分作用的模型家族。先打开 Space 页面，读一遍概述，再打开一个笔记本。

如果你熟悉这个领域，网络遵循 U-Net 的布局。卷积先读取序列，Transformer 层在长距离上传递信息，反卷积把输出还原到单个碱基。训练分四个阶段。自监督阶段在 OpenGenome2 的基因组上预测被遮盖的词元，监督阶段学习轨道，第三阶段按演化类群微调注释，最后阶段在 MPRA 活性数据上做遮盖扩散。每个发布的检查点大约有 700M 参数。

最长 1 Mb 的 DNA 输入
卷积塔读取序列
Transformer 塔承载长程上下文
反卷积塔返回逐碱基输出

注意事项：论文里只有一部分模型发布，其中一个还是示例，不是完整工具。

• Design models: 目前只发布了植物启动子模型，植物和果蝇的增强子模型没有发布
• Species: 植物启动子示例不区分物种，所以引用它之前先读它的模型卡
• Named on Hugging Face: 六个模型仓库和四个数据集
• Size: 仓库里有 37 个文件
• License: apache-2
• Cost to run: 没有提到
• Data it reaches: 它提到的、放在 Hugging Face 上的模型和数据集
• Not for: 没有提到禁止的用途，但页面有一个 Access 部分，下载权重之前先读一读

Title: 按类型划分的功能轨道
基因表达: 9603 tracks
组蛋白修饰: 3115 tracks
TF 结合: 2193 tracks
可及性: 1351 tracks

Hugging Face 上的数据（2026年11月13日）

• 点赞：38
• 构建方式：static
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/InstaDeepAI/ntv3
• 文件：https://huggingface.co/spaces/InstaDeepAI/ntv3/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。