Update app.py

app.py

@@ -5,7 +5,7 @@ import time
 from functools import wraps
 import sys
 import multimolecule  # Importar para registrar los modelos de multimolecule
-import spaces  # Importar el módulo spaces
+import spaces  # Asegúrate de que este módulo esté correctamente instalado
 
 # Decorador para medir el tiempo de ejecución
 def medir_tiempo(func):
@@ -40,6 +40,9 @@ def predecir_fill_mask(secuencias):
                 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)
@@ -60,7 +63,7 @@ def predecir_fill_mask(secuencias):
         print(f"Error durante la predicción: {e}")
         return f"Error al realizar la predicción: {e}"
 
-# Configurar el dispositivo (aunque el decorador @spaces.GPU debería manejar esto)
+# 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.")
@@ -73,6 +76,10 @@ 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 = (