Delete app.py

app.py

@@ -1,116 +0,0 @@
-import gradio as gr
-import torch
-from transformers import pipeline
-import time
-from functools import wraps
-import sys
-import multimolecule  # Importar para registrar los modelos de multimolecule
-import spaces  # Asegúrate de que este módulo esté correctamente instalado
-
-# Decorador para medir el tiempo de ejecución
-def medir_tiempo(func):
-    @wraps(func)
-    def wrapper(*args, **kwargs):
-        inicio = time.time()
-        resultado = func(*args, **kwargs)
-        fin = time.time()
-        tiempo_transcurrido = fin - inicio
-        print(f"Tiempo de ejecución de '{func.__name__}': {tiempo_transcurrido:.2f} segundos")
-        return resultado
-    return wrapper
-
-# Decorador para asignar GPU (según la funcionalidad proporcionada por spaces)
-@spaces.GPU
-@medir_tiempo
-def predecir_fill_mask(secuencias):
-    """
-    Función que realiza una predicción de Fill-Mask para las secuencias de ARN proporcionadas.
-    """
-    try:
-        if not secuencias.strip():
-            return "Por favor, ingresa una o más secuencias de ARN válidas con <mask> para predecir."
-
-        # Separar las secuencias por líneas y eliminar espacios vacíos
-        secuencias_lista = [seq.strip().upper() for seq in secuencias.strip().split('\n') if seq.strip()]
-        resultados = []
-
-        for seq in secuencias_lista:
-            # Asegurarse de que la secuencia contenga al menos un <mask>
-            if "<MASK>" not in seq and "<mask>" not in seq:
-                resultados.append(f"Secuencia sin token <mask>: {seq}. Agrega <mask> donde desees predecir.")
-                continue
-
-            # Reemplazar <mask> con el token de máscara del modelo
-            seq = seq.replace("<mask>", mask_token).replace("<MASK>", mask_token)
-
-            # Realizar la predicción de Fill-Mask
-            try:
-                predictions = fill_mask(seq)
-            except Exception as e:
-                resultados.append(f"Error al predecir para la secuencia: {seq}\n{e}")
-                continue
-
-            # Formatear las predicciones
-            pred_str = ""
-            for pred in predictions:
-                pred_str += f"Predicción: {pred['sequence']}, Score: {pred['score']:.4f}\n"
-
-            resultados.append(f"Secuencia: {seq}\n{pred_str}")
-
-        return "\n\n".join(resultados)
-
-    except Exception as e:
-        print(f"Error durante la predicción: {e}")
-        return f"Error al realizar la predicción: {e}"
-
-# Configurar el dispositivo
-device = 0 if torch.cuda.is_available() else -1
-if device == -1:
-    print("Advertencia: CUDA no está disponible. Se usará la CPU, lo que puede ser lento.")
-
-# Cargar el pipeline de Fill-Mask
-try:
-    print("Cargando el pipeline de Fill-Mask...")
-    fill_mask = pipeline('fill-mask', model='multimolecule/mrnafm', device=device)
-except Exception as e:
-    print(f"Error al cargar el pipeline de Fill-Mask: {e}")
-    sys.exit(1)
-
-# Obtener el token de máscara del modelo
-mask_token = fill_mask.tokenizer.mask_token
-print(f"Mask token utilizado por el modelo: {mask_token}")
-
-# Definir la interfaz de Gradio
-titulo = "OmniGenome: Predicción de Fill-Mask para Secuencias de ARN"
-descripcion = (
-    "Ingresa una o más secuencias de ARN (una por línea) con un token <mask> donde deseas realizar la predicción. "
-    "El modelo utilizado es mRNA-FM de MultiMolecule, un modelo pre-entrenado de lenguaje para secuencias de ARN."
-)
-
-iface = gr.Interface(
-    fn=predecir_fill_mask,
-    inputs=gr.Textbox(
-        lines=10, 
-        placeholder="Escribe tus secuencias de ARN aquí, una por línea, incluyendo <mask> donde desees predecir...", 
-        label="Secuencias de ARN con <mask>"
-    ),
-    outputs=gr.Textbox(label="Predicciones de Fill-Mask"),
-    title=titulo,
-    description=descripcion,
-    examples=[
-        [
-            "AUGGCUACUUU<mask>G",
-            "GCGCGAU<mask>CGACGUAGCUAGC"
-        ],
-        [
-            "AUAUGCGGUAUCGU<mask>GUA",
-            "GGAUACGUGAU<mask>GCUAGCAGU"
-        ]
-    ],
-    cache_examples=False,
-    allow_flagging="never"
-)
-
-# Ejecutar la interfaz
-if __name__ == "__main__":
-    iface.launch()