RFD4-Proteina

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。

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 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。

ESM Metagenomic Atlas

AI 模型

#48

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。

SchNetPack 文档

AI 模型

用于原子系统的深度学习 Python 库。它提供了一个灵活的框架，用于构建和训练神经网络势，使研究人员能够使用先进的 AI 模型进行模拟和分析分子性质。文档托管在 Read the Docs 上。SchNetPack 是一个用于原子系统的深度学习 Python 库。它提供了一个灵活的框架，用于构建和训练神经网络势，使研究人员能够使用先进的 AI 模型进行模拟和分析分子性质。文档托管在 Read the Docs 上。

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。

DimeNet 和 DimeNet++

AI GitHub 仓库

用于分子图的高级神经网络模型，专注于定向消息传递。这些模型分别在 ICLR 2020 和 NeurIPS-W 2020 上提出，能够高效准确地预测分子性质，其中 DimeNet++ 比其前身速度更快、精度更高。DimeNet 和 DimeNet++ 是用于分子图的高级神经网络模型，专注于定向消息传递。这些模型分别在 ICLR 2020 和 NeurIPS-W 2020 上提出，能够高效准确地预测分子性质，其中 DimeNet++ 比其前身速度更快、精度更高。

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。