---
title: TomatoPGFM
canonical_url: "https://www.modelscope.cn/models/turgun/TomatoPGFM"
md_url: "https://www.modelscope.cn/models/turgun/TomatoPGFM.md"
repository: turgun/TomatoPGFM
chinese_name: "TomatoPGFM番茄泛基因组DNA模型"
last_updated: 2026-09-03
license: Apache-2.0
model_type:
  - tomatopgfm
architectures:
  - TomatoPGFM
base_model_relation: finetune
parameters: 479.2M
tensor_type:
  - F32
library_name:
  - safetensors
downloads: 17
stars: 1
---

# TomatoPGFM

> TomatoPGFM - turgun 在 ModelScope 开源的模型。TomatoPGFM 是基于 66 份番茄泛基因组数据训练得到的图感知泛基因组基础模型，主干采用 10 层双向 Mamba2 模块搭配 5 层局部注意力混合专家架构；总参数量 479 195 678，top‑2 专家路由下单 token 激活约 148 625 438 参数。模型采用非重叠 6‑mer 分词，支持 8 维基因组图特征通道输入，可完成基因组表征学习、图条件 mask‑token…

turgun/TomatoPGFM 是 ModelScope 魔搭社区上的 479.2M 参数机器学习模型，采用 Apache-2.0 许可。

- **Repository**: turgun/TomatoPGFM
- **License**: Apache-2.0
- **Parameters**: 479.2M
- **Downloads**: 17
- **Stars**: 1
- **Last updated**: 2026-09-03

Source: https://www.modelscope.cn/models/turgun/TomatoPGFM

---

TomatoPGFM
==========

>   TomatoPGFM v0.1.0 发布信息。使用前请从平台下载推理权重并复核 SHA-256。

TomatoPGFM 是在 66 份番茄材料泛基因组上预训练的图条件基因组基础模型。模型包含
479,195,678 个唯一参数；在 top-2 专家路由下，每个 token 约激活 148,625,438
个参数。主干网络由 10 个双向 Mamba2 模块和 5 个局部注意力混合专家模块组成。

输入协议
--------

序列采用反向互补折叠、非重叠 6-mer tokenization。图接口接收 8 个 token
对齐通道，依次为：

1.  图 segment 长度的对数变换；

2.  GC fraction；

3.  入度的对数变换；

4.  出度的对数变换；

5.  accession carrier count 的对数变换；

6.  gene-tag indicator；

7.  repeat/TE-tag indicator；

8.  `is_random_only` indicator。

production 预训练 shards 中前 5 个通道具有变化值，后 3
个接口通道为固定零值。窗口内邻接通过独立的 `edge_index` 输入。

训练与评估范围
--------------

预训练面板包含 66 份番茄材料和 54.65 Gb 组装序列。原始组装来自 NCBI BioProjects
PRJNA733299、PRJNA809001 和 PRJNA1201608，CNCB BioProject PRJCA030093，以及
Zenodo DOI 10.5281/zenodo.17878268 对应的公开资源。LA1974 和 MicroTom
未用于建图或预训练，而用于下游评估。第三方原始组装和注释仅按 accession
引用，不在本模型仓库重复发布。

论文报告了训练面板窗口上的图输入敏感性、LA1974/MicroTom 上按染色体划分的
frozen-probe 与 LoRA 评估、pooling sensitivity 和推理效率。外部材料的 gene/CDS
评估使用 graph-off；zero-feature GraphAdapter-on
条件是实现路径控制，不是外部材料上的真实图条件推理。

文件和版本
----------

| 文件                              | 说明                                                             |
|-----------------------------------|------------------------------------------------------------------|
| `model.safetensors`               | 从 production model state 导出的 tensor-only FP32 推理权重       |
| `INFERENCE_WEIGHTS_MANIFEST.json` | 源 checkpoint 身份、tensor 数、dtype 统计和 tied-weight metadata |
| `model_final.yaml`                | 架构配置                                                         |
| `train_final.yaml`                | 五阶段训练 curriculum                                            |
| `pretraining_final.json`          | 去除私有路径的预训练快照                                         |
| `tokenizer_vocab.json`            | production 6-mer vocabulary                                      |
| `tokenizer_config.json`           | tokenizer 协议                                                   |
| `load_checkpoint.py`              | 严格加载示例                                                     |
| `LICENSE`                         | 发布推理权重采用的 Apache-2.0 许可证全文                         |
| `EXPECTED_SHA256SUMS.tsv`         | 核心模型、tokenizer 和配置文件的预期身份清单                     |

-   版本：`v0.1.0`

-   inference-weight 文件名：`model.safetensors`

-   字节数：`1,916,843,008`

-   SHA-256：`462f3bfc7178c4558fe993ef579d925da6a54a7448c975b8488bf74d0ac36f7c`

-   tensors：`604`

-   values：`479,195,678` 个 FP32 values

该仓库不是 Transformers 原生格式。`model.safetensors` 是从 production checkpoint
的 `model` state dict 实际导出，并非修改扩展名；导出时省略 tied alias
`mlm_head.weight -> embed.weight`，加载脚本会在严格加载前恢复该 alias。

下载与加载
----------

使用仓库页面当前推荐的 ModelScope SDK 下载完整 snapshot 后，先核对 checkpoint
SHA-256，再安装公开 TomatoPGFM 代码和与 CUDA/PyTorch 兼容的 `mamba-ssm`，运行：

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ bash
python load_checkpoint.py --checkpoint model.safetensors --config model_final.yaml --device cuda
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

加载前必须验证 SHA-256；加载示例使用 safetensors tensor-only 接口。

用途与引用
----------

模型用于番茄基因组表征学习、图条件 masked-token prediction
和下游序列分析研究。生物学解释和育种应用前需进行任务级验证。

-   GitHub：https://github.com/tomatoai2026/TomatoPGFM

-   GitHub
    Release：https://github.com/tomatoai2026/TomatoPGFM/releases/tag/v0.1.0

-   GitHub-Zenodo 软件 Version DOI：https://doi.org/10.5281/zenodo.22035724

-   GitHub-Zenodo 软件 Concept DOI：https://doi.org/10.5281/zenodo.22035723

-   Hugging Face：https://huggingface.co/tomatoai2026/TomatoPGFM

-   模型 Version DOI：https://doi.org/10.5281/zenodo.22032734

-   模型 Concept DOI：https://doi.org/10.5281/zenodo.22032733

-   处理后评估资源：https://doi.org/10.5281/zenodo.22033079

-   预印本doi: https://doi.org/10.64898/2026.08.31.748176


-   模型许可证：Apache-2.0

完整训练恢复 checkpoint 不随公共模型发布；manifest 中记录的源 checkpoint
哈希仅用于溯源。