Задание

• Обучить классификатор, определяющий по последовательности ДНК, консервативен данный участок из 9 нуклеотидов или нет
• Обучить генератор консервативной последовательности

Решение

Трансформеры хорошо показали себя в задачах nlp, а huggingface предоставляет удобный интерфейс для их использования и подробную документацию, поэтому для 1 пункта задания были проведены эксперименты со следующими моделями: DistilBert, Bert, Bloom, Bart, Canine и Esm.

Сравнение по точности и нормализованным значениям времени (отношение к максимальному значению)

В целом результаты не сильно различаются на этих моделях или при изменении параметров, но Esm обучается заметно быстрее остальных, так что предпочтение было отдано ей. Генерацию же в нашем случае можно свести к задаче классификации, где каждый из 4 классов - нуклеотид, следующий за участком длиной 8. Поэтому для 2 пункта задания возьмём ту же модель.

Запуск приложения

git clone https://github.com/LuckyHorseshoe-chan/AITalentProject2023.git
cd AITalentProject2023/backend
pip3 install -r requirements.txt
python3 main.py
В другой консоли:
cd AITalentProject2023/frontend
npm run start
Далее заходим на http://localhost:3000/ - страницу с приложением. Можно также зайти на http://localhost:8000/docs, чтобы проверить работу API.
Примеры работы приложения можно посмотреть в файле Use_Case.pdf
Последовательности из примеров для ввода:
ATGGGCCTCACCGTGTCCGCGCTCTTTTCGCGGATCTTCGGGAAGAAGCAGATGCGGATTCTCATGGTTGGCTTGGATGCGGCTGGCAAGACCACAATCCTGTACAAACTGAAGTT
GCCGTGGCGGTGCGAGAATCCTGGCAAGCAGAAGAAAAAACTTGTGACCTGGTGGGAGA
GCCGTGGCGGTGCGAGAATC
ATGGGCCTCACCGTGTCCGC