본문으로 건너뛰기
ToolPotion
AI 어드바이저
제출 (무료)

RFD4-Proteina

AI 모델AI 모델 및 LLM무료 · Hugging Face

RFD4-Proteina는 결합 표적이나 효소 모티프와 같은 분자 맥락에 따라 단백질 서열과 구조를 생성하는 생체 분자 설계를 위한 흐름 일치 모델입니다. NVIDIA와 Baker Lab이 개발하였으며, 고급 단백질 설계 기능을 제공합니다.

모델 보기
공유
모델 보기
공유

RFD4-Proteina는 워싱턴 대학교 단백질 설계 연구소의 NVIDIA와 Baker Lab 간의 협력으로 개발된 생체 분자 설계를 위한 정교한 흐름 일치 모델입니다. 이 모델은 결합 표적, 효소 모티프, 리간드 또는 선택된 구조적 특징과 같은 특정 분자 맥락에 따라 단백질 서열과 모든 원자 구조를 동시에 생성하는 데 뛰어납니다. 단백질 공학 및 분자 생물학 분야의 연구자와 과학자들에게 특히 유용합니다.

더 읽기

이 모델은 일치하는 흐름 모델과 오토인코더를 사용하여 공동 서열-구조 생성 접근 방식을 통해 작동합니다. 주석이 달린 CIF 구조 또는 YAML 조건 사양의 형태로 입력을 받아 설계된 분자 구조를 CIF 형식으로 출력하며, 생성된 잔기 정체성과 좌표를 포함합니다. 모델의 가중치는 EMA 가중치로 저장되며, 총 435,622,465개의 매개변수가 쌍으로 묶여 FP32 형식으로 제공됩니다.

RFD4-Proteina는 사용자가 모델의 코드, 문서 및 훈련 데이터를 액세스할 수 있는 Hugging Face 플랫폼을 통해 사용할 수 있습니다. 이 모델은 Linux x86_64 시스템과 호환되며, Python 3.12 및 CUDA 13 호환 NVIDIA GPU가 필요합니다. BSD 3-Clause 라이센스 하에 출시되며, 선택적 제3자 자산은 별도의 조건이 있습니다.

모델의 기능은 다양한 벤치마크를 통해 입증되며, 단백질 결합체, 소분자 결합체, 원자 모티프 효소 및 DNA 결합체 설계에서의 효율성을 보여줍니다. 이러한 벤치마크는 RFD4-Proteina가 GPU 시간당 구조적으로 독특한 계산 패서를 생성하는 데 있어 다른 방법들보다 우수한 성능을 발휘함을 강조합니다.

RFD4-Proteina는 계산 생체 분자 설계를 위한 귀중한 도구로, 연구자들이 높은 정밀도로 단백질 설계를 생성하고 평가할 수 있는 능력을 제공합니다. Hugging Face 플랫폼과의 통합은 접근성과 사용의 용이성을 보장하여 이 분야의 과학자들에게 선호되는 선택이 됩니다.

  • 카테고리AI 모델 및 LLM
  • 요금제무료
  • 배포클라우드
  • 플랫폼Hugging Face

  • 생체 분자 설계를 위한 흐름 일치 모델

  • 공동 서열-구조 생성

  • 분자 맥락에 따라 조건화됨

  • CIF 형식으로 출력

  • 435,622,465개의 매개변수

  • NVIDIA GPU와 호환

  • BSD 3-Clause 라이센스

  • 효율성 벤치마크

  1. 모델 접근: Hugging Face 방문

  2. 인증: Hugging Face에 로그인

  3. 환경 설정: 종속성 설치

  4. API를 통한 통합: Proteina.from_pretrained 사용

  5. 최적화: 특정 작업에 대한 설정 조정

  • 단백질 설계
  • 효소 모티프 설계
  • 리간드 결합
  • DNA 결합
  • 분자 맥락 보존

RFD4-Proteina와(과) 비슷한 인기 AI 도구

ESMFold2는 아미노산 서열로부터 고해상도, 전자 원자 3D 단백질 구조를 예측합니다. 단일 서열 및 MSA 조건 모델에 대한 공개 액세스를 제공하여 어려운 타겟에 대한 정확성을 향상시킵니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학
도구 보기

아미노산 서열로부터 고해상도, 전자 원자 3D 단백질 구조를 예측합니다. 단일 서열 및 MSA 조건 모델에 대한 공개 액세스를 제공하여 어려운 타겟에 대한 정확성을 향상시킵니다.ESMFold2는 아미노산 서열로부터 고해상도, 전자 원자 3D 단백질 구조를 예측합니다. 단일 서열 및 MSA 조건 모델에 대한 공개 액세스를 제공하여 어려운 타겟에 대한 정확성을 향상시킵니다.

추천과학적 발견 및 실험실 도구헬스케어 및 생명과학
AI 모델 TOP 5 보기

ProGen3는 광범위한 단백질 서열에 대해 훈련된 수십억 개의 매개변수를 가진 언어 모델을 활용하여 단백질 생성을 위해 설계된 AI 모델 모음입니다. 이는 새로운 단백질을 생성하고 기존 단백질을 개선된 기능을 위해 재설계할 수 있게 합니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학
도구 보기

광범위한 단백질 서열에 대해 훈련된 수십억 개의 매개변수를 가진 언어 모델을 활용하여 단백질 생성을 위해 설계된 AI 모델 모음입니다. 이는 새로운 단백질을 생성하고 기존 단백질을 개선된 기능을 위해 재설계할 수 있게 합니다.ProGen3는 광범위한 단백질 서열에 대해 훈련된 수십억 개의 매개변수를 가진 언어 모델을 활용하여 단백질 생성을 위해 설계된 AI 모델 모음입니다. 이는 새로운 단백질을 생성하고 기존 단백질을 개선된 기능을 위해 재설계할 수 있게 합니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학
AI 모델 TOP 5 보기

AlphaFold 3는 Google DeepMind가 개발한 AI 모델로, 단백질 구조와 상호작용을 예측하여 생물학 연구와 분자 상호작용 이해를 크게 가속화합니다.

AI 모델 및 LLM헬스케어 및 생명과학
도구 보기

Google DeepMind가 개발한 AI 모델로, 단백질 구조와 상호작용을 예측하여 생물학 연구와 분자 상호작용 이해를 크게 가속화합니다.AlphaFold 3는 Google DeepMind가 개발한 AI 모델로, 단백질 구조와 상호작용을 예측하여 생물학 연구와 분자 상호작용 이해를 크게 가속화합니다.

추천AI 모델 및 LLM헬스케어 및 생명과학
AI 모델 TOP 5 보기

ESM Metagenomic Atlas는 Meta AI에서 제공하는 오픈 리소스로, 메타게놈 데이터에서 예측된 7억 7,200만 개 이상의 단백질 구조에 대한 액세스를 제공합니다. 연구자들이 단백질 폴드와 서열을 탐색, 검색 및 분석하여 미생물 다양성과 단백질 기능에 대한 이해를 발전시킬 수 있도록 지원합니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학

과학적 발견 및 실험실 도구 48위

도구 보기

Meta AI에서 제공하는 오픈 리소스로, 메타게놈 데이터에서 예측된 7억 7,200만 개 이상의 단백질 구조에 대한 액세스를 제공합니다. 연구자들이 단백질 폴드와 서열을 탐색, 검색 및 분석하여 미생물 다양성과 단백질 기능에 대한 이해를 발전시킬 수 있도록 지원합니다.ESM Metagenomic Atlas는 Meta AI에서 제공하는 오픈 리소스로, 메타게놈 데이터에서 예측된 7억 7,200만 개 이상의 단백질 구조에 대한 액세스를 제공합니다. 연구자들이 단백질 폴드와 서열을 탐색, 검색 및 분석하여 미생물 다양성과 단백질 기능에 대한 이해를 발전시킬 수 있도록 지원합니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학
과학적 발견 및 실험실 도구 48위

SchNetPack은 원자 시스템을 위한 딥러닝 Python 라이브러리입니다. 신경망 포텐셜을 구축하고 훈련할 수 있는 유연한 프레임워크를 제공하여 연구자들이 고급 AI 모델을 사용하여 시뮬레이션을 수행하고 분자 특성을 분석할 수 있도록 합니다. 문서는 Read the Docs에 호스팅됩니다.

과학적 발견 및 실험실 도구
도구 보기

원자 시스템을 위한 딥러닝 Python 라이브러리입니다. 신경망 포텐셜을 구축하고 훈련할 수 있는 유연한 프레임워크를 제공하여 연구자들이 고급 AI 모델을 사용하여 시뮬레이션을 수행하고 분자 특성을 분석할 수 있도록 합니다. 문서는 Read the Docs에 호스팅됩니다.SchNetPack은 원자 시스템을 위한 딥러닝 Python 라이브러리입니다. 신경망 포텐셜을 구축하고 훈련할 수 있는 유연한 프레임워크를 제공하여 연구자들이 고급 AI 모델을 사용하여 시뮬레이션을 수행하고 분자 특성을 분석할 수 있도록 합니다. 문서는 Read the Docs에 호스팅됩니다.

과학적 발견 및 실험실 도구
AI 모델 TOP 5 보기

OmegaFold

AI GitHub 저장소

OmegaFold는 1차 아미노산 서열에서 직접 3D 단백질 구조를 생성하는 고해상도 de novo 단백질 구조 예측 도구입니다. 추론 시 긴 단백질에 대한 GRAM 감소를 제공하며 macOS에서 Apple Silicon 가속을 지원합니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학
도구 보기

AI GitHub 저장소

1차 아미노산 서열에서 직접 3D 단백질 구조를 생성하는 고해상도 de novo 단백질 구조 예측 도구입니다. 추론 시 긴 단백질에 대한 GRAM 감소를 제공하며 macOS에서 Apple Silicon 가속을 지원합니다.OmegaFold는 1차 아미노산 서열에서 직접 3D 단백질 구조를 생성하는 고해상도 de novo 단백질 구조 예측 도구입니다. 추론 시 긴 단백질에 대한 GRAM 감소를 제공하며 macOS에서 Apple Silicon 가속을 지원합니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학
AI GitHub 저장소 TOP 250 보기

DimeNet 및 DimeNet++

AI GitHub 저장소

DimeNet 및 DimeNet++는 분자 그래프를 위한 고급 신경망 모델로, 방향성 메시지 전달에 중점을 둡니다. ICLR 2020 및 NeurIPS-W 2020에서 제안된 이 모델들은 분자 속성에 대한 효율적이고 정확한 예측을 제공하며, DimeNet++는 이전 모델보다 훨씬 빠르고 정확합니다.

AI 모델 및 LLM
도구 보기

AI GitHub 저장소

분자 그래프를 위한 고급 신경망 모델로, 방향성 메시지 전달에 중점을 둡니다. ICLR 2020 및 NeurIPS-W 2020에서 제안된 이 모델들은 분자 속성에 대한 효율적이고 정확한 예측을 제공하며, DimeNet++는 이전 모델보다 훨씬 빠르고 정확합니다.DimeNet 및 DimeNet++는 분자 그래프를 위한 고급 신경망 모델로, 방향성 메시지 전달에 중점을 둡니다. ICLR 2020 및 NeurIPS-W 2020에서 제안된 이 모델들은 분자 속성에 대한 효율적이고 정확한 예측을 제공하며, DimeNet++는 이전 모델보다 훨씬 빠르고 정확합니다.

AI 모델 및 LLM
AI GitHub 저장소 TOP 250 보기

AlphaFold

AI 모델

AlphaFold는 50년 된 단백질 접힘의 난제를 해결하는 AI 시스템입니다. 아미노산 서열로부터 단백질의 3D 구조를 정확하게 예측하여 생물학 및 의학 분야의 과학적 발견을 가속화합니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학
도구 보기

AI 모델

50년 된 단백질 접힘의 난제를 해결하는 AI 시스템입니다. 아미노산 서열로부터 단백질의 3D 구조를 정확하게 예측하여 생물학 및 의학 분야의 과학적 발견을 가속화합니다.AlphaFold는 50년 된 단백질 접힘의 난제를 해결하는 AI 시스템입니다. 아미노산 서열로부터 단백질의 3D 구조를 정확하게 예측하여 생물학 및 의학 분야의 과학적 발견을 가속화합니다.

과학적 발견 및 실험실 도구헬스케어 및 생명과학
AI 모델 TOP 5 보기
1/8