ESMFold2 蛋白质结构预测

AlphaFold 3 — Google DeepMind

AI 模型

由 Google DeepMind 开发的 AI 模型，能够预测蛋白质结构和相互作用，显著加速生物研究和分子相互作用的理解。AlphaFold 3 是由 Google DeepMind 开发的 AI 模型，能够预测蛋白质结构和相互作用，显著加速生物研究和分子相互作用的理解。

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。

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。

ESM Metagenomic Atlas

AI 模型

#49

Meta AI 提供的一项开放资源，可访问来自宏基因组数据的超过 7.72 亿个预测蛋白质结构。它使研究人员能够探索、搜索和分析蛋白质折叠和序列，从而增进对微生物多样性和蛋白质功能的理解。ESM Metagenomic Atlas 是 Meta AI 提供的一项开放资源，可访问来自宏基因组数据的超过 7.72 亿个预测蛋白质结构。它使研究人员能够探索、搜索和分析蛋白质折叠和序列，从而增进对微生物多样性和蛋白质功能的理解。

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。

Uni-Mol

AI GitHub 仓库

通用的三维分子表示学习框架，适用于属性预测和结合位点预测等各种下游任务。它包括 Uni-Mol+、Uni-Mol Tools、Uni-Mol Docking V2 和 Uni-Mol2，提供可扩展的预训练模型和易于使用的分子任务包装器。Uni-Mol 是一个通用的三维分子表示学习框架，适用于属性预测和结合位点预测等各种下游任务。它包括 Uni-Mol+、Uni-Mol Tools、Uni-Mol Docking V2 和 Uni-Mol2，提供可扩展的预训练模型和易于使用的分子任务包装器。

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。

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。