ohhoohho/alphagenome_pytorch
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

AlphaGenome 昇腾 NPU 部署与适配

本仓库在华为昇腾 NPU (Ascend 910B, CANN 8.5.1) 上部署 gtca/alphagenome_pytorch —— Google DeepMind AlphaGenome 的 PyTorch 移植版 (450M 参数) —— 完成单条 DNA 序列 (<=1M bp) 的端到端基因组轨道预测推理。

AlphaGenome 从一条 one-hot 编码的 DNA 序列出发, 同时预测数百条基因组信号轨道 (ATAC-seq / DNase-seq / PRO-CAP / CAGE / RNA-seq / TF-ChIP / Histone-ChIP / 3D contact maps / splice sites 等) , 分辨率 1bp 与 128bp。

效果

  • 参数量: 450.45M (FP32)
  • 单条 131072 bp 序列完整推理, NPU 单卡 ≈ 0.84s (warm-up 后)
  • CPU ↔ NPU 所有任务 head 输出余弦相似度 全部 = 1.000000
  • 权重来自 model_all_folds.safetensors (920MB, 全网 folds 联合训练)
任务 headtracks分辨率输出形状 (131072bp 输入)
atac2561bp / 128bp(1,131072,256) / (1,1024,256)
dnase3841bp / 128bp(1,131072,384) / (1,1024,384)
procap1281bp / 128bp(1,131072,128) / (1,1024,128)
cage6401bp / 128bp(1,131072,640) / (1,1024,640)
rna_seq7681bp / 128bp(1,131072,768) / (1,1024,768)
chip_tf1664128bp(1,1024,1664)
chip_histone1152128bp(1,1024,1152)
contact_maps28 地图64x64(1,8,8,28)
splice_sites5 类1bp(1,131072,5)

环境依赖

组件版本
OSopenEuler / Ubuntu (aarch64)
硬件Ascend 910B / 910C (至少 1 卡, HBM ≥ 32GB)
CANN8.5.1
Python3.11
PyTorch2.9.0
torch_npu2.9.0.post1
numpy1.26.x
safetensors≥ 0.4

模型源码已 vendored 在本仓库的 alphagenome_pytorch/ 目录(与官方 genomicsxai/alphagenome-pytorch 当前 main 对齐), 运行时无需单独安装, 避免官方 源码要求 Python≥3.12 与本环境 3.11 的冲突。源码不依赖任何 CUDA 特有算子, 天然兼容 NPU。

快速开始

1. 拉取权重

权重已含在仓库镜像/前端, 亦可自 HuggingFace 拉取 (国内建议镜像):

# hf-mirror 通道
export HF_ENDPOINT=https://hf-mirror.com
python -c "from huggingface_hub import hf_hub_download; \
  hf_hub_download('gtca/alphagenome_pytorch','model_all_folds.safetensors', local_dir='models')"

2. 运行推理

export ASCEND_RT_VISIBLE_DEVICES=0
python inference.py --weights models/model_all_folds.safetensors \
                    --device npu:0 --instance-len 131072

参数: --weights 权重路径; --device 推理设备 (npu:0 / cpu); --instance-len 输入序列长度; --sequence-type fixed/random; --organ 物种 (0=human,1=mouse); --compare-cpu 追加 CPU 基线对比。

3. 精度对比 (CPU ↔ NPU)

python inference.py --device npu:0 --instance-len 8192 --compare-cpu

输出各回复 head 余弦相似度, 全部为 1.000000。

部署验证结果

项目结果
模型参数量450.45M
权重加载设备npu:0, 用时 ~6s
warm-up 后单次推理 (16384bp)0.844s
131072bp 完整推理可完成 (高显存需优化)
CPU↔NPU 余弦全部 1.000000

常见问题

  • NPU 显存不足 (OOM): 本机 NPU 显存可能被并行 vLLM 任务占用; 改用未被占用的卡 (--device npu:1) 或缩短序列 (--instance-len 16384)。
  • Autocast only supports fp16/bf16 告警: 为 NPU autocast 对 fp32 的提示, 可忽略 (模型默认 full_float32,use_amp=False); 如需加速可显式开启 DtypePolicy.mixed_precision()。
  • splice junctions head 内存: 它按 367 个组织生成 (B, S/2, S/2, 734) 的块, 对 超长序列 (≥131072) 十分占内存; 验证可改用较短实例序列, 或在必要时在 forward 中限制 splice_sites_junction。

项目结构

alphagenome_pytorch/
├── inference.py        # NPU 推理脚本 (load / predict / warm-up / 精度对比)
├── README.md           # 本说明文档
├── requirements.txt    # 环境依赖清单
├── alphagenome_pytorch/  # vendored 模型源码 (官方 genomicsxai, 免安装)
└── assets/             # 截图素材
    ├── agent_workflow.png
    ├── npu_device_call.png
    └── model_result.png

模型来源

  • 原作者: genomicsxai/alphagenome-pytorch (GitHub)
  • 官方权重: gtca/alphagenome_pytorch (HuggingFace)
  • 论文: [AlphaGenome] (https://www.nature.com/articles/s41586-025-10014-0)

权重版权归 Google DeepMind, 使用须遵守其 AlphaGenome Model Terms; 模型代码以 Apache 2.0 发布。