AlphaFold 3 — Google DeepMind

AlphaFold

AI 模型

人工智能系统，解决了困扰生物学界 50 年的蛋白质折叠这一重大挑战。它能根据氨基酸序列准确预测蛋白质的三维结构，从而加速生物学和医学领域的科学发现。AlphaFold 是一个人工智能系统，解决了困扰生物学界 50 年的蛋白质折叠这一重大挑战。它能根据氨基酸序列准确预测蛋白质的三维结构，从而加速生物学和医学领域的科学发现。

AlphaFold 蛋白质结构数据库

AI 应用

#8

由 Google DeepMind 开发的 AI 系统，旨在根据氨基酸序列预测蛋白质的三维结构。它提供超过 2 亿条条目，帮助科学研究，向社区免费提供高精度的预测。AlphaFold 是由 Google DeepMind 开发的 AI 系统，旨在根据氨基酸序列预测蛋白质的三维结构。它提供超过 2 亿条条目，帮助科学研究，向社区免费提供高精度的预测。

AlphaFold 服务器

AI 应用

#86

AlphaFold 服务器由 AlphaFold 3 提供支持，能够准确预测蛋白质与其他分子（包括 DNA 和 RNA）的相互作用结构。它是一个生成高度精确生物分子结构预测的网络服务平台。

ESMFold2 从氨基酸序列预测高分辨率、全原子 3D 蛋白质结构。它提供对单序列和 MSA 条件模型的开放访问，提高了对挑战性目标的准确性。

OmegaFold

AI GitHub 仓库

高分辨率的从头蛋白质结构预测工具，可以直接从一级氨基酸序列生成三维蛋白质结构。它显著降低了推理长蛋白质的GRAM需求，并支持macOS上的Apple Silicon加速。OmegaFold是一款高分辨率的从头蛋白质结构预测工具，可以直接从一级氨基酸序列生成三维蛋白质结构。它显著降低了推理长蛋白质的GRAM需求，并支持macOS上的Apple Silicon加速。

ProGen3 蛋白质生成模型

AI 模型

用于蛋白质生成的 AI 模型，利用在大量蛋白质序列上训练的亿参数语言模型。它能够创造新型蛋白质并重新设计现有蛋白质以提高功能性。ProGen3 是一套用于蛋白质生成的 AI 模型，利用在大量蛋白质序列上训练的亿参数语言模型。它能够创造新型蛋白质并重新设计现有蛋白质以提高功能性。

Demis Hassabis

AI 影响者

#2

Demis Hassabis 的 X 个人资料展示了他在 Google DeepMind 和 Isomorphic Labs 的领导地位。他分享有关人工智能进展的最新动态，包括 Gemini 模型和 AlphaFold，重点关注通用人工智能 (AGI)、疾病研究和对现实的理解。该个人资料提供了对前沿人工智能开发和科学突破的见解。

EquiBind

AI GitHub 仓库

几何深度学习模型，用于预测小分子与蛋白质结合的三维结构。它能对受体结合位置和配体构象进行快速的一次性直接预测，大幅加快传统方法的速度。非常适合药物发现和结构生物学研究。EquiBind 是一个几何深度学习模型，用于预测小分子与蛋白质结合的三维结构。它能对受体结合位置和配体构象进行快速的一次性直接预测，大幅加快传统方法的速度。非常适合药物发现和结构生物学研究。