awesome-AI4MolConformation-MD
分子列表(小分子、RNA、胜肽、蛋白質、酶、抗體及PPIs)構象與分子動力學(力場)使用生成式a
awesome-AI4MolConformation-MD 是什麼?
分子列表(小分子、RNA、胜肽、蛋白質、酶、抗體及PPIs)構象與分子動力學(力場)使用生成式人工智慧和深度學習
awesome-AI4MolConformation-MD 概覽
這是什麼
這是一個經過策劃的清單,收錄了關於分子構象(小分子、RNA、胜肽、蛋白質、酶、抗體及蛋白質-蛋白質交互作用)與分子動力學(力場)的研究論文、資料集和工具,這些資源均使用生成式人工智慧與深度學習。該儲存庫按多個類別組織,涵蓋綜述、資料集、分子動力學引擎、神經網路勢能以及按分子類型分類的構象動力學。
主要功能
- 列出 2023–2026 年間超過 30 篇綜述文章,主題包括蛋白質動態的生成式 AI、機器學習原子間勢能、增強採樣及自由能計算。
- 按分子類型分類資源:小分子、RNA、胜肽、蛋白質、酶、抗體、配體-蛋白質、RNA-胜肽、PPI、抗體-蛋白質、核酸-蛋白質及材料系集。
- 按深度學習架構分組方法:基於 AlphaFold、自回歸、LSTM、Transformer、VAE、GAN、流模型、流匹配、擴散、基於分數、基於能量、貝氏、主動學習、GNN、LLM-MD 及基於代理的 MD。
- 包含專門的資料集與套件章節(例如 DynaRepo、MS25、OMol25)。
- 提供選單結構,便於快速瀏覽綜述、神經力場、MD 引擎、軌跡分析、粗粒化 MD 及 AI4MD 框架。
使用情境
- 研究人員調查 AI 驅動的分子構象生成與分子動力學的最新進展。
- 計算化學家與生物物理學家尋找基準資料集與神經網路勢能。
- 開發人員尋找在分子模擬中實現生成模型(擴散、流匹配、GNN)的參考文獻。
- 教育工作者編制關於生物分子動態機器學習的閱讀清單。
快速開始
請參閱儲存庫的 README。
授權與價格
採用 GPL-3.0 授權。開放原始碼。
內容整理自該專案公開的 README 與儲存庫資訊。