Create README.md

README.md

@@ -0,0 +1,153 @@
+---
+language:
+- ko
+- en
+tags:
+- chemistry
+- biology
+- toxicology
+license: apache-2.0
+base_model: Qwen/Qwen3-14B
+---
+
+# Blowfish
+
+## Introduction
+
+**Blowfish는 **분자 독성 예측**을 수행하기 위해 개발된 대형 언어 모델(LLM)입니다. 
+
+**Qwen3-14B**를 기반으로 파인튜닝(Fine-tuning)되었으며, 단순한 이진 분류를 넘어 **Chain-of-Thought (CoT)** 방식을 통해 독성 판정의 화학적/생물학적 근거를 논리적으로 설명합니다.
+
+사용자가 입력한 **SMILES**, **Cell Line**, **Bio Assay**, 그리고 **주요 RDKit Features**을 종합적으로 분석하여 최종적으로 독성 여부(`독성` / `비독성`)를 판단합니다.
+
+### 주요 특징
+* **Base Model:** Qwen3-14B 
+* **Task:** 이진 독성 예측 (Binary Toxicity Prediction) 및 분자 구조 분석
+* **Language:** 한국어 (시스템 지시문), 영어 (화학적 추론 및 답변)
+* **Input Data:** 
+  - SMILES Code
+  - Cell Line / Cell Type
+  - Bio Assay Name
+  - RDKit Features (SHAP Value 기준 상/하위 Feature 각 3개)
+
+---
+
+## 프롬프트 형식
+
+모델의 성능을 최적화하기 위해 학습 시 사용된 프롬프트 형식을 준수해야 합니다.
+
+### 시스템 프롬프트 (System Prompt)
+> "당신은 분자 독성 예측에 특화된 화학정보학/독성학 전문가입니다. 사용자는 독성/비독성에 영향을 많이 끼치는 Feature 3개씩을 제공합니다... (중략) ... tool call을 사용하지 마세요."
+
+### 사용자 입력 템플릿 (User Input Template)
+
+```
+SMILES: {smiles_code}
+Cell Line: {cell_line}
+Bio Assay Name: {endpoint_category}
+Feature NL: {feature_NL_description}
+Feature Descript: {feature_detailed_description}
+
+{cot_instruction}
+```
+
+---
+
+# Inference
+
+## requirements
+```bash
+pip install transformers torch accelerate
+```
+
+## Usage with transformers
+
+```python
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+# 1. 모델 및 토크나이저 로드
+model_id = "TeamUNIVA/Blowfish"
+
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(
+    model_id,
+    torch_dtype=torch.bfloat16,
+    device_map="auto"
+)
+
+# 2. 시스템 프롬프트 정의
+system_prompt = (
+    "당신은 분자 독성 예측에 특화된 화학정보학/독성학 전문가입니다.\n"
+    "사용자는 독성/비독성에 영향을 많이 끼치는 Feature 3개씩을 제공합니다.\n\n"
+    "입력(사용자가 제공):\n"
+    "- SMILES\n- Cell Type\n- Cell Line\n- Bio Assay Name\n"
+    "- 독성에 끼치는 영향이 큰 상위 3개 RDKit Feature\n"
+    "- 비독성에 끼치는 영향이 큰 상위 3개 RDKit Feature\n\n"
+    "수행 과업(Tasks):\n"
+    "SMILES 구조 분석\n"
+    "- 고리(방향족/지방족), 헤테로원자, 전하 중심, 반응성 모티프, H-결합 공여/수용기 등을\n"
+    "  SMILES에서 직접 관찰 가능한 범위로만 기술.\n\n"
+    "Cell Type, Cell Line, Assay Name 특징 분석 및 SMILES와 연결\n\n"
+    "RDKit feature 분석\n"
+    "- 각 feature가 의미하는 바와 일반적 독성 리스크에 주는 영향 요약.\n"
+    "- 가능한 경우 Assay 맥락(예: ARE 산화스트레스)과 연결.\n\n"
+    "종합 판단(최종 결론)\n"
+    "- (1) SMILES 모티프, (2) Cell line/Cell type + Assay 맥락, (3) RDKit feature를 통합해\n"
+    "  독성 여부를 이진으로 판단.\n\n"
+    "출력 규칙:\n"
+    "- 본문은 영어로 작성.\n"
+    "- 마지막 줄에 아래 중 하나만 단독 표기:\n"
+    "<answer>toxic</answer>\n"
+    "<answer>nontoxic</answer>\n\n"
+)
+
+# 3. 입력 데이터 예시
+smiles_code =  "O=C(O)/C=C/C(=O)O.O=C(O)/C=C/C(=O)O.O=C(O)/C=C/C(=O)O.CN(C)CCN(Cc1cccs1)c2ccccn2.CN(C)CCN(Cc1cccs1)c2ccccn2"
+cell_line = "HepG2 (Liver)"
+feature_NL = "Top toxic features: ... / Top non-toxic features: ...",
+feature_descript = "Detailed feature descriptions"
+bio_assay = "AhR"
+instruction = "화합물 O=C(O)/C=C/C(=O)O.O=C(O)/C=C/C(=O)O.O=C(O)/C=C/C(=O)O.CN(C)CCN(Cc1cccs1)c2ccccn2.CN(C)CCN(Cc1cccs1)c2ccccn2의 독성/비독성 여부를 판단하시오."
+
+
+# 4. 프롬프트 구성
+user_content = (
+    f"SMILES: {smiles_code}\n"
+    f"Cell Line: {cell_line}\n"
+    f"Bio Assay Name: {bio_assay}\n"
+    f"Feature NL: {feature_NL}\n"
+    f"Feature Descript: {feature_descript}\n\n"
+    f"{instruction}"
+)
+
+# 5. 채팅 템플릿 적용 및 생성
+messages = [
+    {"role": "system", "content": system_prompt},
+    {"role": "user", "content": user_content}
+]
+
+text = tokenizer.apply_chat_template(
+    messages,
+    tokenize=False,
+    add_generation_prompt=True
+)
+
+inputs = tokenizer([text], return_tensors="pt").to(model.device)
+
+outputs = model.generate(
+    **inputs,
+    max_new_tokens=8192,
+    temperature=0.7,
+    top_p=0.8,
+    do_sample=True
+)
+
+# 6. 결과 디코딩
+response = tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)
+print(response)
+```
+
+## Acknowledgements
+본 결과물은 과학기술정보통신부와 한국지능정보사회진흥원의 지원을 받아 수행된
+「2025년 초거대AI 확산 생태계 조성사업」의 연구 성과의 일부입니다.