Przejdź do treści
Biblioteka skilli
Nauka i badania · Analiza

evo2

/evo2

Ocenia, osadza i generuje sekwencje DNA modelem Evo 2: wylicza prawdopodobieństwa do oceny efektu wariantów, osadzenia okien genomowych i generowanie sekwencji z prefiksu.

Repozytorium
open-science ↗
Licencja
Apache-2.0
Ostatnia zmiana repozytorium
25.10.2026

Ocena i bezpieczeństwo

95/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść30 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
2
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
1
Przestarzałość

Brak sygnałów. Repozytorium zmienione 25.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co robi i kiedy

Ocenia, osadza i generuje sekwencje DNA modelem Evo 2: wylicza prawdopodobieństwa do oceny efektu wariantów, osadzenia okien genomowych i generowanie sekwencji z prefiksu.

Oryginalny opis (EN)

Score, embed, and generate DNA sequences with Evo 2, a long-context genomic foundation model. Use this skill when: (1) Computing per-nucleotide or per-sequence likelihoods for variant effect scoring, (2) Embedding genomic windows for downstream classification, (3) Generating DNA conditioned on a prefix, (4) Scoring regulatory or coding regions across species.

Jak działa

  1. Prerequisites
  2. How to run
  3. Models
  4. Output format
  5. Decision tree
  6. Remote compute
  7. Typical performance
  8. Troubleshooting
Sekcje z nagłówków SKILL.md, w oryginale · 121 linii, 634 słów
Podgląd SKILL.md
---
name: evo2
description: >
  Score, embed, and generate DNA sequences with Evo 2, a long-context genomic
  foundation model. Use this skill when:
  (1) Computing per-nucleotide or per-sequence likelihoods for variant effect
      scoring,
  (2) Embedding genomic windows for downstream classification,
  (3) Generating DNA conditioned on a prefix,
  (4) Scoring regulatory or coding regions across species.
license: Apache-2.0
category: biomodels
requirements: [gpu]
metadata:
  display-name: Evo 2
  # github.com/ArcInstitute/evo2/blob/main/LICENSE: Apache-2.0 boilerplate.
  # HuggingFace model cards `arcinstitute/evo2_{40b_base,20b}` declare
  # `license: apache-2.0`. verified 2026-06-30
  third_party:
    - kind: weights
      name: Evo 2
      provider: Arc Institute
      license: Apache-2.0
      terms_url: https://github.com/ArcInstitute/evo2/blob/main/LICENSE
---

# Evo 2 — DNA Language Model

## Prerequisites

| Requirement | Minimum         | Recommended  |
| ----------- | --------------- | ------------ |
| Python      | 3.11            | 3.12 (<3.13) |
| CUDA        | 12.1+           | 12.4+        |
| GPU VRAM    | 24 GB (7B bf16) | 80 GB (40B)  |
| RAM         | 32 GB           | 128 GB       |

## How to run

### Installation

```bash
pip install evo2
# Weights pulled from Hugging Face on first model load.
```

### Loading and scoring

```python
from evo2 import Evo2

model = Evo2("evo2_7b")        # or "evo2_40b" — see model table
seqs = ["ATCG" * 50, "GGGCTTAA" * 25]
ll = model.score_sequences(seqs)   # → list[float], mean per-token log-likelihood
print(ll)
```

### Generation

```python
out = model.generate(
    prompt_seqs=["ATGAAAGCT"],
    n_tokens=256,
    temperature=0.7,
)
print(out.sequences[0])
```

## Models

| Name           | Params | Context | VRAM (bf16) | Notes                                |
| -------------- | ------ | ------- | ----------- | ------------------------------------ |
| `evo2_7b`      | 7 B    | 1 M nt  | ~22 GB      | Default; fits on a single 24 GB+ GPU |
| `evo2_40b`     | 40 B   | 1 M nt  | ~78 GB      | H100 80 GB or multi-GPU              |
| `evo2_1b_base` | 1 B    | 8 K nt  | ~6 GB       | FP8 path requires sm_89+ (H100)      |

## Output format

`score_sequences` returns a `list[float]` (or `np.ndarray`) of mean log-likelihoods,
one per input sequence. More negative ⇒ less likely under the model. For variant
effect, compute `Δll = ll_alt - ll_ref` over a fixed window.

`generate` returns a `GenerationOutput` with `.sequences` (list[str]), `.logits`
(list[Tensor]), and `.logprobs_mean` (list[float]) — always populated, no flag required.

## Decision tree

```
Need a DNA model?
│
├─ Per-base/per-sequence likelihood, generation → Evo 2 ✓
├─ Predict experimental tracks (expression, accessibility) → borzoi
└─ Protein, not DNA → fair-esm2 / esmfold2
```

## Remote compute

7B/40B inference is GPU-bound (≥24 GB / 80 GB VRAM). Read
`compute_details({provider, mode:'read'})` for an environment with `evo2` +
`flash-attn` and a pre-cached HF weight mount, then submit:

```python
c = host.compute.create(provider)
job = c.submitJob(
    intent="Evo2-7B score 200bp variant window — 1×GPU, ~2 min",
    inputs=[{"src": "score_evo2.py", "dstFilename": "score_evo2.py"}],
    command="python3 score_evo2.py",   # env selection is host-specific — see compute_details for your provider
    outputs=["scores.json"],
    timeoutSeconds=1800,
)
print(job.job_id)   # cell ends here — kernel never blocks on compute
```

Retain the exact returned `job_id`. Query that saved ID with the non-blocking
`c.attachJob(job_id).status()` or `.result()` when its state or result is relevant; do not scan Job
history. A final `.result()` read reports whether its follow-up was `suppressed` or had already been
`committed`; otherwise the app starts the later analysis turn for an unread final result. See the
`remote-compute-ssh` skill for details.

Inside `score_evo2.py`, point `HF_HOME` at the provider's weight-cache mount
(path is in `compute_details`) and set `HF_HUB_OFFLINE=1` so the loader
doesn't try to write `refs/` into a read-only mount. Weight footprint:
~15 GB (7B), ~80 GB (40B).

## Typical performance

| Task                         | 7B on H100 | Notes                       |
| ---------------------------- | ---------- | --------------------------- |
| Model load (cached)          | ~5-7 min   | First call hydrates weights |
| `score_sequences`, 200×200bp | ~10-20 s   | After load                  |
| `generate`, 1×512 nt         | ~15 s      |                             |

## Troubleshooting

| Symptom                               | Cause                        | Fix                                         |
| ------------------------------------- | ---------------------------- | ------------------------------------------- |
| `Transformer Engine not installed`    | No FP8 — falls back to bf16  | Informational only on non-H100; ignore      |
| OOM on load                           | 40B on <80 GB GPU            | Use `evo2_7b` or shard with `device_map`    |
| HF tries to write `refs/main`         | `HF_HOME` points at RO mount | Set `HF_HUB_OFFLINE=1`                      |
| `dtype mismatch` in `score_sequences` | Passing tensors not strings  | Pass `list[str]`; the API tokenises for you |

---

**Next**: pair with `borzoi` to predict track-level effects of the same
variants.
Pliki w paczce (2)
  • .catalog_stamp 1 KB
  • SKILL.md 5 KB

Wersje

RepozytoriumWynikLicencja
Ta strona · aipoch/open-science95Apache-2.0
unicomai/wanwu95Apache-2.0

Migawka bazy z 28.10.2026 · wersja paczki cc0581721864 (skrót SHA-256 całej paczki)

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100evo2-nim
    Generuje i analizuje sekwencje DNA za pomocą mikroserwisu NVIDIA Evo 2 BioNeMo NIM, także lokalnie w Dockerze, z dostępem do logitów i wyjść warstw.
  • 100deep-learning-genomics
    Stosuje sieci CNN (DeepBind, Basset), RNN i transformery (DNABERT, HyenaDNA, Evo, Nucleotide Transformer) do analizy sekwencji genomowych: wiązanie czynników transkrypcyjnych, profile chromatyny, splicing i skutki wariantów niekodujących.
  • 100alterlab-borzoi
    Przewiduje genomowe ścieżki funkcjonalne z sekwencji DNA modelem Borzoi i ocenia wpływ wariantów niekodujących na ekspresję oraz chromatynę.
  • 100genomic-intelligence
    Przewiduje z samej sekwencji DNA regiony promotorowe, miejsca składania, aktywność enhancerów, stan chromatyny i ekspresję przez hostowane modele językowe DNA dostępne przez REST API i serwer MCP.
  • 100genomic-intelligence
    Przewiduje cechy regulacyjne, strukturę genów i ekspresję bezpośrednio z sekwencji DNA przez hostowane modele językowe DNA: promotory, miejsca splicingu, enhancery, stan chromatyny i adnotację genów.
  • 95fair-esm2
    Osadza białka modelem ESM-2 Meta AI (pakiet fair-esm): wyciąga osadzenia na poziomie reszt lub sekwencji, ocenia efekt mutacji i przewiduje kontakty z sekwencji.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.