RFD4-Proteina

アミノ酸配列から高解像度の全原子3Dタンパク質構造を予測します。単一配列およびMSA条件付きモデルへのオープンアクセスを提供し、難しいターゲットに対する精度を向上させます。ESMFold2は、アミノ酸配列から高解像度の全原子3Dタンパク質構造を予測します。単一配列およびMSA条件付きモデルへのオープンアクセスを提供し、難しいターゲットに対する精度を向上させます。

ProGen3 タンパク質生成モデル

AI モデル

広範なタンパク質配列で訓練された十億パラメータの言語モデルを利用して、タンパク質生成のために設計されたAIモデルのスイートです。新しいタンパク質の創出や、既存のタンパク質の機能を向上させるための再設計を可能にします。ProGen3は、広範なタンパク質配列で訓練された十億パラメータの言語モデルを利用して、タンパク質生成のために設計されたAIモデルのスイートです。新しいタンパク質の創出や、既存のタンパク質の機能を向上させるための再設計を可能にします。

AlphaFold 3 — Google DeepMind

AI モデル

Google DeepMindによって開発されたAIモデルで、タンパク質の構造と相互作用を予測し、生物学的研究と分子相互作用の理解を大幅に加速します。AlphaFold 3は、Google DeepMindによって開発されたAIモデルで、タンパク質の構造と相互作用を予測し、生物学的研究と分子相互作用の理解を大幅に加速します。

ESM Metagenomic Atlas

AI モデル

#48

Meta AIによるオープンリソースであり、メタゲノムデータから予測された7億7200万以上のタンパク質構造へのアクセスを提供します。研究者はタンパク質のフォールドと配列を探索、検索、分析し、微生物の多様性とタンパク質機能の理解を深めることができます。ESM Metagenomic Atlasは、Meta AIによるオープンリソースであり、メタゲノムデータから予測された7億7200万以上のタンパク質構造へのアクセスを提供します。研究者はタンパク質のフォールドと配列を探索、検索、分析し、微生物の多様性とタンパク質機能の理解を深めることができます。

SchNetPack ドキュメント

AI モデル

原子系のための深層学習ライブラリです。ニューラルネットワークポテンシャルの構築とトレーニングのための柔軟なフレームワークを提供し、研究者が高度なAIモデルを使用してシミュレーションを実行し、分子特性を分析できるようにします。ドキュメントはRead the Docsでホストされています。SchNetPackは、原子系のための深層学習ライブラリです。ニューラルネットワークポテンシャルの構築とトレーニングのための柔軟なフレームワークを提供し、研究者が高度なAIモデルを使用してシミュレーションを実行し、分子特性を分析できるようにします。ドキュメントはRead the Docsでホストされています。

OmegaFold

AI GitHub リポジトリ

一次アミノ酸配列から直接3Dタンパク質構造を生成する高解像度のde novoタンパク質構造予測ツールです。推論時のGRAM削減に大きく貢献し、macOSでのApple Siliconアクセラレーションにも対応しています。OmegaFoldは、一次アミノ酸配列から直接3Dタンパク質構造を生成する高解像度のde novoタンパク質構造予測ツールです。推論時のGRAM削減に大きく貢献し、macOSでのApple Siliconアクセラレーションにも対応しています。

DimeNet and DimeNet++

AI GitHub リポジトリ

DimeNetおよびDimeNet++は、分子グラフ向けの高度なニューラルネットワークモデルであり、方向性メッセージパッシングに焦点を当てています。ICLR 2020およびNeurIPS-W 2020で提案されたこれらのモデルは、分子特性の効率的かつ正確な予測を提供し、DimeNet++は前身モデルよりも大幅に高速かつ高精度です。

AlphaFold

AI モデル

50年来のタンパク質構造予測という難問を解決するAIシステムです。アミノ酸配列からタンパク質の3D構造を高精度に予測し、生物学と医学における科学的発見を加速させます。AlphaFoldは、50年来のタンパク質構造予測という難問を解決するAIシステムです。アミノ酸配列からタンパク質の3D構造を高精度に予測し、生物学と医学における科学的発見を加速させます。