awesome-repositories.com
Blog
MCP
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetServeur MCPÀ proposNotre méthodologiePresse
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 dépôt

Awesome GitHub RepositoriesGenomic Sequence Modeling

Transformer-based modeling specifically for predicting nucleotide likelihoods and genetic patterns.

Distinct from Sequence-to-Sequence Models: Applies Sequence-to-Sequence architecture specifically to the prediction and analysis of genomic data.

Explore 1 awesome GitHub repository matching artificial intelligence & ml · Genomic Sequence Modeling. Refine with filters or upvote what's useful.

Awesome Genomic Sequence Modeling GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • arcinstitute/evo2Avatar de ArcInstitute

    ArcInstitute/evo2

    3,951Voir sur GitHub↗

    evo2 est un modèle de langage étendu (LLM) et un modèle de fondation génomique conçu pour prédire, générer et analyser des informations génétiques à travers différentes espèces. Il fonctionne comme un modeleur de séquences nucléotidiques et un générateur de séquences d'ADN, utilisant la modélisation de séquences basée sur les transformers pour traiter les données génomiques. Le système offre des capacités de génération d'ADN synthétique, créant de nouvelles séquences génétiques basées sur des prompts biologiques ou des tags spécifiques à une espèce. Il effectue également la prédiction de probabilité nucléotidique pour noter les variants génomiques et analyser les propriétés biologiques au sein des séquences d'ADN. Le modèle prend en charge l'analyse de séquences génomiques grâce à l'extraction de représentations de haute dimension à partir des couches intermédiaires. Ces embeddings permettent une classification spécialisée et une analyse en aval des données génétiques.

    Uses transformer-based self-attention mechanisms to predict nucleotide likelihoods and capture long-range dependencies in genomic data.

    Jupyter Notebook
    Voir sur GitHub↗3,951
  1. Home
  2. Artificial Intelligence & ML
  3. Sequence-to-Sequence Models
  4. Genomic Sequence Modeling