論文の概要: MultiMolecule: a modular ecosystem for biomolecular sequence-model workflows
- arxiv url: http://arxiv.org/abs/2606.16540v1
- Date: Mon, 15 Jun 2026 10:41:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.460631
- Title: MultiMolecule: a modular ecosystem for biomolecular sequence-model workflows
- Title（参考訳）: MultiMolecule: 生体分子配列モデルワークフローのためのモジュール型エコシステム
- Authors: Zhiyuan Chen,
- Abstract要約: MultiMoleculeは、異種RNA、DNA、タンパク質配列モデルのリリースをソースチェック実装に変換する、オープンソースのPythonエコシステムである。
リポジトリ固有のチェックポイントから標準化されたチェックポイント、キュレートされたデータセット、ランナーと生物学的予測パイプラインに接続された実行可能な実装に移行することで、MultiMoleculeはソース定義モデル動作を保存するための共通のインフラストラクチャを提供する。
- 参考スコア（独自算出の注目度）: 5.580799248701251
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Biomolecular sequence models are increasingly reused outside the studies in which they were introduced, but public checkpoints rarely preserve the execution context needed to inspect source-defined behavior, adapt models to new assays, compare models under shared task definitions or deploy biological predictions. MultiMolecule is an open-source Python ecosystem that turns heterogeneous RNA, DNA and protein sequence-model releases into complete, source-checked model-family implementations with shared loading, workflow and prediction interfaces. The Resource state reported here includes 53 complete model-family implementations with 112 standardized model checkpoints, together with 16 curated dataset resources released through 39 public dataset repositories and 10 user-facing prediction pipelines. Standardized components are linked to source provenance, conversion or preparation code, source-reference checks, Extended Data summaries and public documentation, allowing users to inspect what was standardized, what behavior was checked and how each component enters training, evaluation, inference or deployment. By shifting reuse from repository-specific checkpoints to executable implementations connected to standardized checkpoints, curated datasets, Runner workflows and biological prediction pipelines, MultiMolecule provides common infrastructure for preserving source-defined model behavior, adapting models to new assays, enabling controlled evaluation and deploying biomolecular predictions.
- Abstract（参考訳）: しかし、公開チェックポイントは、ソース定義の振る舞いを検査したり、新しいアッセイにモデルを適応させたり、共有タスク定義の下でモデルを比較したり、生物学的予測を展開したりするのに必要な実行状況を保存することは滅多にない。
MultiMoleculeは、異種RNA、DNA、タンパク質配列モデルのリリースを、共有ローディング、ワークフロー、予測インターフェースを備えた完全なソースチェックされたモデルファミリー実装に変換する、オープンソースのPythonエコシステムである。
ここで報告されているリソース状態には、112の標準化されたモデルチェックポイントを備えた53の完全なモデルファミリー実装と、39のパブリックデータセットリポジトリと10のユーザ対応予測パイプラインを通じてリリースされた16のキュレートデータセットリソースが含まれている。
標準化されたコンポーネントは、ソースプロファイナンス、変換または準備コード、ソース参照チェック、拡張データサマリ、公開ドキュメントにリンクされている。
リポジトリ固有のチェックポイントから、標準化されたチェックポイント、キュレートされたデータセット、ランナーワークフロー、生物学的予測パイプラインに接続された実行可能な実装に移行することで、MultiMoleculeは、ソース定義モデルの振る舞いを保存するための共通のインフラストラクチャを提供し、モデルを新しいアッセイに適応させ、生体分子予測の制御とデプロイを可能にする。
関連論文リスト
- Active Flow Expansion for Out-of-Distribution Discovery: from Theory to Molecules [62.81692030818376]
本稿では,モデルの生成可能な集合を拡大し,有効設計空間のカバレッジを増大させる,分散フローモデリングのための新しい学習原理を提案する。
本稿では, 検証器フィードバックを用いて, 新しい有効領域に事前学習モデルを拡張する, 継続的な事前学習手法であるアクティブフロー拡張(ActFlow)を提案する。
その結果、ActFlowは、初期訓練済みモデルによってモデル化された領域を超えて、有効な範囲を広げ、広く採用されている合成フロー事前学習法よりもはるかに優れていることがわかった。
論文 参考訳（メタデータ） (2026-06-07T19:43:22Z) - bioLeak: Leakage-Aware Modeling and Diagnostics for Machine Learning in R [0.0]
BioLeak(バイオリーク)は、共通リーク機構に適合したモデルの構築と監査を行うRパッケージである。
この実装はバイナリ分類、マルチクラス分類、回帰分析、生存分析をサポートし、タスク固有のメトリクスと分割、適合、監査、インフレーションの要約のためのS4コンテナを提供する。
論文 参考訳（メタデータ） (2026-04-13T04:01:31Z) - fastml: Guarded Resampling Workflows for Safer Automated Machine Learning in R [0.0]
我々は、ガードされた再サンプリングを通して漏洩認識機械学習のためのシングルコールインタフェースであるfastmlを提示する。
fastmlはグループ化とタイムオーダーのリサンプリングをサポートし、ハイリスク設定をブロックし、外部依存関係のレシピを監査し、サンドボックス実行と統合モデル説明を含む。
論文 参考訳（メタデータ） (2026-04-06T22:41:27Z) - Learning from Many and Adapting to the Unknown in Open-set Test Streams [24.690368986775848]
大規模言語モデル(LLM)は、再利用可能な表現と柔軟な推論を通じてタスクを一般化する。
SyCoはRac1およびMAPK経路を介して低ランクアダプタを更新するパラメータ効率適応法である。
論文 参考訳（メタデータ） (2026-04-01T06:23:24Z) - LimiX: Unleashing Structured-Data Modeling Capability for Generalist Intelligence [61.46575527504109]
LimiX-16MとLimiX-2Mは、構造化されたデータを変数と欠落に対する共同分布として扱う。
サンプルサイズ,特徴次元,クラス数,カテゴリ間特徴比,欠落度,サンプル-特徴比の広い11種類の大規模構造化データベンチマークを対象としたLimiXモデルの評価を行った。
論文 参考訳（メタデータ） (2025-09-03T17:39:08Z) - Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。
特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。
本稿では,初期個体群上の流れモデルを改善することで,ワッサーシュタイン多様体上のこれらのベクトル場と一体化するためのメタフローマッチング(MFM)を提案する。
論文 参考訳（メタデータ） (2024-08-26T20:05:31Z) - Bayesian Joint Additive Factor Models for Multiview Learning [7.254731344123118]
マルチオミクスデータが収集され、臨床結果と相関する精度医学の文脈でモチベーション応用が生じる。
本稿では,共有およびビュー固有のコンポーネントを考慮に入れた,構造化された付加的設計を伴うJAFAR(Joint Additive Factor regression model)を提案する。
免疫,メタボローム,プロテオームデータから得られた時間とラベルの発症の予測は,最先端の競合相手に対するパフォーマンス向上を示す。
論文 参考訳（メタデータ） (2024-06-02T15:35:45Z) - Generalization Properties of Retrieval-based Models [50.35325326050263]
検索ベースの機械学習手法は、幅広い問題で成功をおさめた。
これらのモデルの約束を示す文献が増えているにもかかわらず、そのようなモデルの理論的基盤はいまだに解明されていない。
本稿では,その一般化能力を特徴付けるために,検索ベースモデルの形式的処理を行う。
論文 参考訳（メタデータ） (2022-10-06T00:33:01Z) - Retrieval-based Controllable Molecule Generation [63.44583084888342]
制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。
我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。
提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
論文 参考訳（メタデータ） (2022-08-23T17:01:16Z) - Flexible Model Aggregation for Quantile Regression [92.63075261170302]
量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。
条件付き量子モデルの任意の数を集約する手法について検討する。
この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
論文 参考訳（メタデータ） (2021-02-26T23:21:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。