Skip to content

EnhancerScope v1.0.0 — 防泄漏基准 + 浏览器工具 + MCP 插件

Latest
Latest

Choose a tag to compare

View all tags
@fzyz-whx fzyz-whx released this 28 Sep 20:50
v1.0.0
f130101
This commit was created on GitHub.com and signed with GitHub’s verified signature.
GPG key ID: B5690EEEBB952194
Verified
Learn about vigilant mode.

EnhancerScope v1.0.0

用基因组语言模型预测增强子活性：防泄漏基准 + 浏览器工具 + MCP 插件

核心结果（test split，Spearman ρ）

模型 Dev Hk 说明
k-mer(6)+GC → LightGBM 0.581 0.519 词袋无位置信息
DeepSTARR 风格 CNN 0.639 ± 0.003 0.566 ± 0.005 从零训练，3 种子
DNABERT-2 零样本（embed+Ridge） 0.428 0.363 不微调
LoRA 微调 DNABERT-2 0.6214 ± 0.0088 0.5722 ± 0.0044 只训 0.50% 参数，显存 2.67GB
LoRA 微调 HyenaDNA 0.2845 ± 0.0021 0.2486 ± 0.0008 负结果（归因见 docs/experiments.md §4.1）
  • 微调把 DNABERT-2 自身零样本提升 +0.19 / +0.21；只微调 0.5% 参数即在 Hk 上超过全量 CNN
  • 防泄漏划分：整条 chr2R 臂 held out；valid/test 坐标零重叠（0.00%，实测断言）

这一版包含

  • 科研内核：三条 baseline + 两个模型的 LoRA 微调（3 种子）+ 可解释性（突变扫描/窗口遮蔽 + JASPAR 对照，含失败案例）
  • 交付工具：浏览器 demo（ONNX Runtime Web，单序列 2–15ms）与 MCP 工具层（predict_activity / explain_sequence / batch_scan）
  • 文档：数据卡 / 实验记录 / 可解释性 / 决策记录 / 面试问答 / 开发日志（21 个坑与解法）
  • 工程：34 个单测（CI 全绿）、代码与数据分离（权重不入库）、ONNX 导出一致性闸门（max|Δ|<1e-6）

快速开始

uv sync --all-groups
uv run enhancerscope-demo
uv run enhancerscope-mcp        # MCP server（stdio）

在线演示：https://fzyz-whx.github.io/EnhancerScope/

资产说明

  • model_fp32_single.onnx：最优模型（LoRA DNABERT-2）的 ONNX 导出，fp32、481MB，
    与 PyTorch 数值一致（max|Δ|=7e-6，证据见仓库 results/onnx_parity.json）。
    浏览器 demo 不加载它（体积原因），页面用的是 0.81MB 的 CNN（见 webapp/README.md 的取舍说明）。
  • 若附件缺失（大文件上传受网络限制），可在本地复现导出：
uv run --group ml python scripts/download_model.py                      # 下载基座权重
uv run --group ml python scripts/finetune_lora.py --model dnabert2 --seed 42 --epochs 3
uv run --group ml python scripts/export_onnx.py                         # 导出 + 一致性闸门

引用

de Almeida et al., Nature Genetics 2022（数据 DeepSTARR）· Zhou et al., ICLR 2024（DNABERT-2）·
Nguyen et al., NeurIPS 2023（HyenaDNA）· Hu et al., ICLR 2022（LoRA）· Fornes et al., NAR 2020（JASPAR）

Assets 3
Loading