点开任意卡片，即可查看该模型的官方安装步骤、硬件门槛与已知坑 —— 每条命令都能一键复制，全部对照官方源核对。
生物分子复合物结构预测模型 —— 单体 / 复合物 / 配体 / 核酸一站式,Nature 2024 发表,DeepMind 出品。
| 官方发表 | Nature 2024 · Accurate structure prediction of biomolecular interactions with AlphaFold 3 |
|---|---|
| GPU 硬件门槛 |
硬门槛:NVIDIA GPU · Compute Capability ≥ 8.0(即 Ampere/Hopper 架构起步 —— A100 / A10 / H100 / RTX 30 系 / RTX 40 系均满足)。 官方验证过的规格:单张 A100 80 GB 或 H100 80 GB 上,输入长度可达 5,120 token。更小 VRAM 的 GPU 只能跑更短的输入 ——「80 GB 是硬性下限」是常见误解。 |
| 内存 | ≥ 64 GB RAM（长序列的遗传搜索会吃内存） |
| 磁盘 | ≥ 1 TB SSD（数据库解压后 630 GB，下载 252 GB） |
| 操作系统 | 仅 Linux（官方仅在 Ubuntu 22.04 LTS 上验证） |
| 推荐路径 | Docker 容器（官方默认）或 Singularity |
规格要求：≥ 12 CPU · ≥ 170 GB RAM · ≥ 1 TB SSD · NVIDIA A100 或 H100 80 GB。官方在 GCP 上用如下命令拉起验证机（其他云厂商类似）：
gcloud compute instances create alphafold3 \
--machine-type a2-ultragpu-1g \
--zone us-central1-a \
--image-family ubuntu-2204-lts \
--image-project ubuntu-os-cloud \
--maintenance-policy TERMINATE \
--boot-disk-size 1000 \
--boot-disk-type pd-balanced官方走 rootless Docker 路径。参考 Docker 官方文档。核心是安装完 Docker 后再装 nvidia-container-toolkit 让 --gpus all 起作用。
git clone https://github.com/google-deepmind/alphafold3.git
cd alphafold3先安装 wget 和 zstd，然后跑 fetch_databases.sh：
sudo apt install wget zstd
./fetch_databases.sh $HOME/public_databases
坑： <DB_DIR> 不能放在 alphafold3 仓库子目录里，否则 docker build 会试图把 630 GB 一起拷进镜像。
填 Google 表单
→ DeepMind 内部审核（2-3 个工作日）→ 邮件收到下载链接后下载到 <MODEL_PARAMETERS_DIR>。
权重许可证注意： 只能用于非商业用途；不能转授或再分发；完整条款。
docker build -t alphafold3 -f docker/Dockerfile .
坑： AlmaLinux / Rocky / RHEL 上会遇到 No file descriptors available (os error 24)，加 --ulimit 绕过：
docker build --ulimit nofile=65535:65535 -t alphafold3 -f docker/Dockerfile .写一个 fold_input.json 到 $HOME/af_input/（最小样本），然后：
docker run -it \
--volume $HOME/af_input:/root/af_input \
--volume $HOME/af_output:/root/af_output \
--volume <MODEL_PARAMETERS_DIR>:/root/models \
--volume <DB_DIR>:/root/public_databases \
--gpus all \
alphafold3 \
python run_alphafold.py \
--json_path=/root/af_input/fold_input.json \
--model_dir=/root/models \
--output_dir=/root/af_outputNo file descriptors available (os error 24)--ulimit nofile=65535:65535。Ubuntu 上默认限制够高，一般不会碰到。docker: Error response from daemon: mkdir ... permission denied--volume 显式挂载，且目录本身要有读写权限。
chmod 755 $HOME/af_input $HOME/af_output。数据库目录如果是通过 sudo 建的，权限往往不对，可以 sudo chmod 755 --recursive <DB_DIR>。
<DB_DIR> 有 read + write 权限；② RAM 够（长序列吃 >64 GB）；③ 数据库文件完整（fetch_databases.sh 有时中断没提示，重跑一次）。
src/scripts/gcp_mount_ssd.sh + copy_to_ssd.sh 挂本地 SSD。GCP 上 A2 Ultra 机型自带本地 NVMe，注意首次启动要挂载 + 格式化。
MIT 开源、可商用、pip 一键装好的复合物结构预测 + 结合亲和力模型 —— MIT CSAIL / Jameel Clinic 出品,是 2024-2026 年间 AlphaFold3 之外最主流的可商用替代。
| 官方发表 |
bioRxiv 2025 · Boltz-2: Towards Accurate and Efficient Binding Affinity Prediction
|
|---|---|
| GPU 硬件门槛 |
推荐:NVIDIA GPU + CUDA 环境(README 明确表示 CPU 版本「明显更慢」)。 特殊说明:老 NVIDIA 卡若遇到 cuequivariance 报错,加 --no_kernels 禁用融合算子即可跑通(有轻微性能损失)。硬件多样:官方提到 Tenstorrent AI 卡(通过第三方 fork)也可跑,是当前少数不锁定 NVIDIA 的复合物预测模型。 |
| MSA 数据源 |
--use_msa_server 直连 ColabFold MSA 服务器(https://api.colabfold.com) —— 无需本地准备大数据库。这是 Boltz-2 与 AlphaFold3(需 630 GB 数据库)最大的用户体验差异。
|
| 核心能力 |
① 复合物结构预测(蛋白 + 蛋白 / 蛋白 + 小分子 / 蛋白 + 核酸);② 结合亲和力预测(affinity_pred_value log10(IC50, μM) + affinity_probability_binary 结合 vs 非结合概率)—— 后者是 Boltz-2 相对 Boltz-1 / AlphaFold3 的核心新特性。
|
| 操作系统 | Linux / macOS 均可(纯 pip 路径)。Windows 未官方明确支持。 |
| 推荐路径 | 直接 pip install boltz[cuda](纯 Python 环境,零 Docker) |
官方原话:「we recommend installing boltz in a fresh python environment」。conda 或 venv 皆可。示例:
conda create -n boltz python=3.11 -y
conda activate boltzpip install boltz[cuda] -Ugit clone https://github.com/jwohlwend/boltz.git
cd boltz
pip install -e .[cuda]YAML 里 properties 段加上 affinity 项即可,输出会包含:
affinity_pred_value —— log10(IC50, μM),用于 hit-to-lead / lead optimization 阶段测同一分子小改动带来的亲和力变化affinity_probability_binary —— 0~1 概率,用于 hit discovery 阶段区分 binder 与 decoyboltz predict input.yaml --use_msa_server \
--diffusion_samples_affinity 5 \
--sampling_steps_affinity 200Boltz 默认 --recycling_steps 3 --diffusion_samples 1,更快;要与 AlphaFold3 官方推荐一致(更好但更慢),用:
boltz predict input.yaml --use_msa_server \
--recycling_steps 10 \
--diffusion_samples 25--use_msa_server | 自动通过 ColabFold 生成 MSA(推荐;免于本地准备) |
|---|---|
--use_potentials | 启用推理时物理势能,提升构象物理合理性(略慢) |
--recycling_steps | 递归轮数,默认 3,提到 10 对齐 AlphaFold3 |
--diffusion_samples | 扩散采样数,默认 1,提到 25 对齐 AlphaFold3 |
--devices | GPU 数,默认 1 |
--accelerator | 加速器类型,gpu / cpu / tpu,默认 gpu |
--output_format | 输出格式,mmcif(默认)或 pdb |
--cache | 权重/数据缓存目录,默认 ~/.boltz(可通过 BOLTZ_CACHE 环境变量覆盖) |
--no_kernels | 禁用 cuequivariance 融合算子 —— 老 NVIDIA 卡遇报错时用 |
--override | 覆盖已存在的预测结果(默认跳过已跑过的) |
cuequivariance 相关错--no_kernels 禁用融合算子,略慢但能跑。官方在 docs/prediction.md 里明确说过这个 workaround。--use_msa_server 时被 ColabFold 服务器限流或需认证--msa_server_url 指向你自己搭的 ColabFold / mmseqs2 实例。
boltz predict 会往 ~/.boltz(或 BOLTZ_CACHE 指向的目录)下载 checkpoint。建议提前把 cache 目录设到 SSD;下载完之后就完全离线可跑。
affinity_probability_binary 用于 hit discovery(判断是不是 binder,0-1 概率);affinity_pred_value 用于 hit-to-lead / lead optimization(测同一化合物小改动的亲和力变化,单位 log10(IC50, μM))。两者用不同数据训练,不能混用。
单序列直出结构 —— 一次前向传播、无需 MSA。ESM-2 语言模型驱动，Meta FAIR 出品。
| 模型全名 | Evolutionary Scale Modeling — ESMFold(esmfold_v1) |
|---|---|
| 发布方 | Meta Fundamental AI Research Protein Team(FAIR) |
| 官方仓库 | github.com/facebookresearch/esm · 4150 stars · archived · pushed 2024-02-07 |
| 官方推荐入口 |
HuggingFace transformers 官方文档 —— 已被 HF 主动维护,依赖精简
|
| GPU 硬件门槛 |
README 原话:「If you want to load very large models like 15B and/or do inference on long sequences on your machine, regular GPU inference may lead to OOM errors.」——官方未给具体 VRAM 数字。
显存与序列长度呈 O(L²),分块推理(set_chunk_size)与 --cpu-offload 用于降低显存占用。
|
| Python 版本 | python ≤ 3.9(官方原话:「make sure you start from an environment with python <= 3.9」)—— openfold 的 CUDA 编译对 Python 版本敏感 |
| 关键依赖 | PyTorch(CUDA 版) + nvcc(编译 openfold 需要) + openfold(git 依赖,指定 commit) |
| 论文 | Lin et al. 2023, Science 379(6637): 1123-1130. DOI: 10.1126/science.ade2574 |
原仓库封存后,依赖将持续腐烂。此路径**仅推荐用于严格复现 Lin et al. 2023 论文**,否则请直接使用路径 B。
官方原话:「make sure you start from an environment with python <= 3.9 and pytorch installed」。openfold 的 CUDA 扩展编译对 Python 版本敏感,不要用 3.10+。
conda create -n esmfold python=3.9 -y
conda activate esmfold
# 先装 PyTorch(CUDA 11.8 版本,请按你机器 CUDA 版本自选)
pip install torch --index-url https://download.pytorch.org/whl/cu118nvcc 可用openfold 需要在安装时**当场编译 CUDA 扩展**,必须能在 shell 里找到 nvcc。README 原话:「Openfold installation requires nvcc」。
nvcc --version
# 如果命令找不到:
# sudo apt install nvidia-cuda-toolkit # Ubuntu
# 或从 https://developer.nvidia.com/cuda-downloads 手动装官方一键命令。[esmfold] extras 会拉 openfold 的依赖清单,但不会拉 openfold 本体。
pip install "fair-esm[esmfold]"README 上锁定了具体 commit hash 4b41059694619831a7db195b7e0988fc4ff3a307 —— 这是当时验证过的版本,后续任何 openfold 更新都可能编译失败。
pip install 'dllogger @ git+https://github.com/NVIDIA/dllogger.git'
pip install 'openfold @ git+https://github.com/aqlaboratory/openfold.git@4b41059694619831a7db195b7e0988fc4ff3a307'官方 Python API 示例 —— pLDDT 期望值约 88.3(README 内注释,实际因环境略有浮动)。
python - <<'PY'
import torch, esm
model = esm.pretrained.esmfold_v1()
model = model.eval.cuda()
sequence = "MKTVRQERLKSIVRILERSKEPVSGAQLAEELSVSRQVIVQDIAYLRSLGYNIVATPRGYVLAGG"
with torch.no_grad():
output = model.infer_pdb(sequence)
with open("result.pdb", "w") as f:
f.write(output)
import biotite.structure.io as bsio
struct = bsio.load_structure("result.pdb", extra_fields=["b_factor"])
print("pLDDT:", struct.b_factor.mean()) # 参考值约 88.3
PYHuggingFace 官方文档明确说:「HuggingFace transformers library, which has simplified the ESMFold dependencies」—— 依赖被简化、由 HF 主动维护。日常使用请走这条。
无需 python 3.9 限制,无需 nvcc,无需手动装 openfold —— HF 版把这些都吸收进包。
conda create -n esmfold-hf python=3.11 -y
conda activate esmfold-hf
pip install "transformers[torch]" accelerate模型卡:huggingface.co/facebook/esmfold_v1。首次运行会自动下载权重到 ~/.cache/huggingface/(pytorch_model.bin 约 8.44 GB,数据来源 HuggingFace API)。
python - <<'PY'
from transformers import AutoTokenizer, EsmForProteinFolding
tokenizer = AutoTokenizer.from_pretrained("facebook/esmfold_v1")
model = EsmForProteinFolding.from_pretrained("facebook/esmfold_v1").cuda.eval()
sequence = "MKTVRQERLKSIVRILERSKEPVSGAQLAEELSVSRQVIVQDIAYLRSLGYNIVATPRGYVLAGG"
inputs = tokenizer([sequence], return_tensors="pt", add_special_tokens=False).to("cuda")
import torch
with torch.no_grad():
out = model(**inputs)
# 输出 PDB 字符串
pdb = model.output_to_pdb(out)[0]
with open("result_hf.pdb", "w") as f:
f.write(pdb)
print("done, len(sequence) =", len(sequence))
PYMeta 至今仍免费提供 ESM Atlas 折叠 API —— 无需任何本地环境,curl 即可。适合快速验证或小批量单序列。
官方 README 提供的示例。返回值是 PDB 格式字符串。
curl -X POST \
--data "KVFGRCELAAAMKRHGLDNYRGYSLGNWVCAAKFESNFNTQATNRNTDGSTDYGILQINSRWWCNDGRTPGSRNLCNIPCSALLSSDITASVNCAKKIVSDGNGMNAWVAWRNRCKGTDVQAWIRGCRL" \
https://api.esmatlas.com/foldSequence/v1/pdb/ \
-o result_api.pdbpip install openfold 编译失败最常见:nvcc 找不到、或 CUDA 版本与 PyTorch 编译版本不匹配。
nvcc --version 存在python -c "import torch; print(torch.version.cuda)" 与 nvcc --version 主版本一致(比如都是 11.8 或都是 12.x)官方 README 原话:「make sure you start from an environment with python <= 3.9」。openfold 的 CUDA 扩展在 3.10+ 上会出现 ABI 不兼容。
ESMFold 显存与序列长度呈 O(L²) —— 序列越长,爆显存越容易。官方未给具体数字,但明确指出:「regular GPU inference may lead to OOM errors」on long sequences。
model.set_chunk_size(128)(README 注释:「Lower sizes will have lower memory requirements at the cost of increased speed」)esm-fold:--chunk-size 64,推荐值 128 / 64 / 32--cpu-offload 把部分参数移到 CPU RAM(慢但能跑)ESMFold 支持多链输入,但**只能通过在单一序列中用 : 分隔链**来表示,不像 AlphaFold3 的 JSON schema 那样显式。
"MKTLVR:GHMKEE" 表示两条链的复合物facebookresearch/esm 自 2024-02-07 起 archived,不再接受 PR。任何依赖(尤其 openfold)的破坏性更新都无人修复。
pip freeze > requirements.txt 冻结版本快照开源蛋白扩散模型 —— 无条件生成、motif scaffolding、对称寡聚体、binder 设计。UW IPD Baker 组出品。
| 模型全名 | RFdiffusion —— RoseTTAFold-based diffusion for protein design |
|---|---|
| 发布方 | University of Washington · Institute for Protein Design(IPD)· Baker 组 |
| 官方仓库 | github.com/RosettaCommons/RFdiffusion · 2932 stars · pushed 2026-04-24 |
| 官方文档站 | sites.google.com/omsf.io/rfdiffusion/overview(Rosetta Commons 维护) |
| GPU 硬件门槛 |
README 未给具体 VRAM 数字。经验值:16 GB VRAM 起步(如 RTX 3090 / A5000),24 GB+ 更稳(A6000 / A100)。 第三方 ColabDesign 版可在免费版 Colab T4(16 GB)上跑小样本。 |
| CUDA 版本 | 官方 yml 只支持 CUDA 11.1。原话:「we are only providing a yml file with support for CUDA 11.1 and leaving it to each user to customize it to work on their setups」—— 用新卡(30/40 系 + CUDA 12.x)需自行改 yml,是最常见的入门坑 |
| 预计安装时间 | README 原话:「Total setup should take less than 30 minutes on a standard desktop computer」 |
| 权重文件 | 9 个 .pt checkpoint 需分别下载(1 base + 8 特化模型),总计约 10+ GB。见「安装步骤 · 步骤 2」 |
| 论文 | Watson et al. 2023, bioRxiv. DOI: 10.1101/2022.12.09.519842 |
适合有 CUDA 11.1 或愿意自行改 yml 的用户。官方原话:「Total setup should take less than 30 minutes on a standard desktop computer」。
官方仓库放在 RosettaCommons 组织下(Baker 组权重的托管方)。
git clone https://github.com/RosettaCommons/RFdiffusion.git
cd RFdiffusion官方 README 逐条列出 wget 命令 —— 权重托管在 UW IPD 内网服务器(HTTP 明文),按官方地址原样抄写。
mkdir models && cd models
# 必备权重(7 个)
wget http://files.ipd.uw.edu/pub/RFdiffusion/6f5902ac237024bdd0c176cb93063dc4/Base_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/e29311f6f1bf1af907f9ef9f44b8328b/Complex_base_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/60f09a193fb5e5ccdc4980417708dbab/Complex_Fold_base_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/74f51cfb8b440f50d70878e05361d8f0/InpaintSeq_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/76d00716416567174cdb7ca96e208296/InpaintSeq_Fold_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/5532d2e1f3a4738decd58b19d633b3c3/ActiveSite_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/12fc204edeae5b57713c5ad7dcb97d39/Base_epoch8_ckpt.pt
# 可选(1 个)
wget http://files.ipd.uw.edu/pub/RFdiffusion/f572d396fae9206628714fb2ce00f72e/Complex_beta_ckpt.pt
# RoseTTAFold 原始结构预测权重(1 个)
wget http://files.ipd.uw.edu/pub/RFdiffusion/1befcb9b28e2f778f53d47f18b7597fa/RF_structure_prediction_weights.pt
cd .. # 返回仓库根目录官方 yml 只支持 CUDA 11.1。若你的 GPU + 驱动组合与之冲突,先编辑 env/SE3nv.yml 修改 cudatoolkit 与 pytorch 版本;若不冲突则直接跑下面命令。
conda env create -f env/SE3nv.yml
conda activate SE3nvSE(3)-Transformer 是 NVIDIA 开源的等变几何注意力实现,RFdiffusion 依赖它 —— 需要在装 rfdiffusion 主包前先手工编译。
cd env/SE3Transformer
pip install --no-cache-dir -r requirements.txt
python setup.py install
cd ../.. # 回到仓库根
pip install -e . # 从根目录以可编辑模式装 rfdiffusion 主包官方 README 首个示例。首次运行会打印「Calculating IGSO3」并等一段时间(旋转分布查找表初始化),这个结果会被缓存,下次不再重算。
conda activate SE3nv # 每次新终端都要先激活
./scripts/run_inference.py \
'contigmap.contigs=[150-150]' \
inference.output_prefix=test_outputs/test \
inference.num_designs=10Rosetta Commons 官方维护镜像:hub.docker.com/r/rosettacommons/rfdiffusion。省掉 CUDA 版本对齐、SE(3)-Transformer 手工编译等所有环节。
git clone https://github.com/RosettaCommons/RFdiffusion.git
cd RFdiffusion
docker info # 确保 Docker daemon 正在运行scripts/download_models.sh 是官方提供的批量下载脚本,把上面路径 A 步骤 2 的 9 个 wget 一次完成。
docker build -f docker/Dockerfile -t rfdiffusion .
mkdir $HOME/inputs $HOME/outputs $HOME/models
bash scripts/download_models.sh $HOME/models
# 抓个测试 PDB(motif scaffolding 示例用)
wget -P $HOME/inputs https://files.rcsb.org/view/5TPN.pdb官方 README 里的完整 docker run 命令。挂载三个目录(权重、输入、输出),用 --gpus all 直通所有 GPU。示例任务:在两段 10-40 residue linker 之间嵌入 5TPN 的 A163-181 motif,生成 3 条设计。
docker run -it --rm --gpus all \
-v $HOME/models:$HOME/models \
-v $HOME/inputs:$HOME/inputs \
-v $HOME/outputs:$HOME/outputs \
rfdiffusion \
inference.output_prefix=$HOME/outputs/motifscaffolding \
inference.model_directory_path=$HOME/models \
inference.input_pdb=$HOME/inputs/5TPN.pdb \
inference.num_designs=3 \
'contigmap.contigs=[10-40/A163-181/10-40]'Sergey Ovchinnikov(sokrypton)维护的 ColabDesign 集成了 RFdiffusion 的主要功能。免费 T4(16 GB)可跑小样本,适合快速验证或教学。非官方但受官方明确致谢:「Thanks to Sergey Ovchinnikov,many of the features of RFdiffusion are available as a Google Colab Notebook」。
官方 yml 固定 CUDA 11.1,但 RTX 30 系及以上、Ada、Hopper 卡通常搭配 CUDA 12.x 驱动。默认 conda env create 常见于 SE3-Transformer 编译报错、torch import 失败。
env/SE3nv.yml,把 cudatoolkit=11.1 与 pytorch=... 版本升级到与本机匹配README 原话:「the entire argument MUST be enclosed in '' so that the commandline does not attempt to parse any of the special characters」。
contigmap.contigs=[150-150](方括号会被 bash 尝试展开)'contigmap.contigs=[150-150]'README 原话:「the first time you run RFdiffusion, it will take a while 'Calculating IGSO3'. Once it has done this, it'll be cached for future reference」。首次运行会静默几分钟,别以为程序卡死。
schedules/ 之类的子目录RFdiffusion 只设计骨架(backbone),不预测侧链。README 原话:「every designed residue is output as a glycine (as we only designed the backbone), and no sidechains are output」。
Base_ckpt.ptRFdiffusion 会根据任务类型自动选择 checkpoint(motif scaffolding 用 InpaintSeq、复合物用 Complex_base、binder 用 Complex_Fold_base 等)。原话:「there is not *One Model To Rule Them All*」。
.ptbash scripts/download_models.sh $HOME/models单细胞多组学基础模型 —— 33 million normal human cells 预训练、MIT 全开源、细胞注释 / 整合 / GRN 推断一站式。多伦多大学 Bo Wang lab 出品,是同类基础模型中少有的 MIT 权重可商用。
| 官方发表 |
Nature Methods 2024 · scGPT: toward building a foundation model for single-cell multi-omics using generative AI
|
|---|---|
| Python / R 版本 | 官方要求 Python >= 3.7.13,R >= 3.6.1(R 可选,用于部分下游可视化) |
| CUDA / GPU 硬件门槛 |
推荐:CUDA 11.7 + NVIDIA GPU(README 明确的建议组合)。 flash-attn 现已为可选依赖(2023-11-07 起) —— 支持 CPU / GPU / flash-attn 三种后端切换,老卡也能跑。 README 引用:「now we have made flash-attention an optional dependency」。 |
| PyPI 分发 |
pip install scgpt · PyPI 最新 v0.2.4(2025-03-31 发布)。
⚠ PyPI 版本相比 main 分支落后约 14 个月,如需最新 zero-shot / continual pretrain 教程,建议 pip install git+https://github.com/bowang-lab/scGPT.git。
|
| 核心训练数据 |
whole-human 主模型:33 million normal human cells 预训练。
器官/病种子模型:brain (13.2M) · blood (10.3M) · heart (1.8M) · lung (2.1M) · kidney (814K) · pan-cancer (5.7M cells of various cancer types) · continual pretrained (for zero-shot). |
| 官方 Web App | 免安装浏览器版: Cell Annotation · Reference Mapping · GRN Inference。 汇总入口 scgpthub.org。 |
| 官方文档站 | scgpt.readthedocs.io |
| 操作系统 | Linux / macOS 均可(pip 路径)。Windows 未官方明确支持,WSL2 内可跑。 |
官方 README 没锁定环境名,但强烈推荐隔离依赖 —— 尤其 flash-attn 会牵扯 CUDA 版本。
conda create -n scgpt python=3.10 -y
conda activate scgptpip install scgpt "flash-attn<1.0.5"pip install scgpt "flash-attn<1.0.5" "orbax<0.1.8"官方权重全部托管在 Google Drive,推荐用 gdown 命令行拉取整个 checkpoint 文件夹:
pip install gdown
# whole-human (推荐默认起点,33M cells 预训练)
gdown --folder https://drive.google.com/drive/folders/1oWh_-ZRdhtoGQ2Fw24HP41FgLoomVo-y
# 或手动浏览器下载后放到 examples/save/scGPT_human/ 目录2023-11-07 起,scGPT 官方提供了 CPU / GPU / flash-attn 三后端统一入口函数 load_pretrained:
import torch
from scgpt.utils.util import load_pretrained
from scgpt.model import TransformerModel # 或对应任务的 model class
# 构造模型骨架 (超参数与 checkpoint 需匹配,详见 tutorials)
target_model = TransformerModel(...)
# 加载预训练权重(三后端通用)
load_pretrained(target_model, torch.load("examples/save/scGPT_human/best_model.pt"))
target_model.eval.cuda()
print("scGPT ready. Backend:", "cuda" if torch.cuda.is_available() else "cpu")git clone https://github.com/bowang-lab/scGPT.git
cd scGPT
# 默认脚本会从 examples/save/ 加载 checkpoint
python examples/finetune_integration.pyH100 / H200 / RTX 5090 等新卡上,CUDA 版本通常已 >= 12,老版 flash-attn<1.0.5 装不上很正常。现在完全可以跳过 flash-attn:
conda create -n scgpt python=3.10 -y
conda activate scgpt
pip install scgpt # 不加 flash-attnimport torch
# 无 flash-attn 会自动 fallback 到 PyTorch scaled_dot_product_attention (SDPA)
# 新 PyTorch (>= 2.0) 的 SDPA 已内建 memory-efficient 与 flash 变体,速度接近
model.load_state_dict(torch.load("path_to_ckpt.pt", map_location="cuda"))
model.eval()如果只是想快速试试 scGPT 出的结果,官方已经把三个最常用任务托管为 web app,直接浏览器上传数据即可:
报错通常是 CUDA 版本 > 12 或 GPU 架构过新。解法:直接走"无 flash-attn 路径",PyTorch 2.0+ 的 SDPA attention 已经足够快,不必强求 flash-attn。
解法:附加约束 "orbax<0.1.8",README 明说这是 Google JAX 生态的已知冲突。
大陆环境或大文件常见。解法:先 pip install gdown 用命令行拉,或用 rclone 挂载 Drive 分块下载。也可以让境外协作者代下后 rsync。
PyPI 上 v0.2.4 是 2025-03-31 版本,新的 tutorial(zero-shot / continual pretrain / reference mapping)只在 GitHub main 上有。解法:如需最新代码,pip install git+https://github.com/bowang-lab/scGPT.git。
解法:README 首页明说 "The poetry installation is out of sync. Please use pip install instead." —— 一律走 pip,忽略任何 poetry install 指引。
AlphaFold2 的极速平民版 —— 用 MMseqs2 在线 MSA 替代本地 630 GB 数据库，把折叠时间从小时级压到分钟级。Steinegger 组 / Mirdita 等出品。
| 官方仓库 | github.com/sokrypton/ColabFold · YoshitakaMo/localcolabfold（本地安装脚本） |
|---|---|
| 论文 | Mirdita et al. 2022, Nature Methods · ColabFold: making protein folding accessible to all |
| GPU 门槛 | NVIDIA GPU（JAX CUDA）。单体几百残基 12–16 GB 显存足够；复合物 / 长序列越长越吃显存与内存。 |
| MSA 数据源 | 默认走 ColabFold 公共 MMseqs2 服务器，无需本地数据库；也可 --host-url 指向自建实例。 |
| 操作系统 | Linux（首选）、macOS（含 Apple Silicon，CPU 慢跑）。Windows 建议 WSL2。 |
脚本会装好独立的 conda 环境、JAX(CUDA)、以及 colabfold_batch 命令，默认落在当前目录的 localcolabfold/。
wget https://raw.githubusercontent.com/YoshitakaMo/localcolabfold/main/install_colabfold_linux.sh
bash install_colabfold_linux.shexport PATH="$(pwd)/localcolabfold/colabfold-conda/bin:$PATH"输入可以是 FASTA 文件或含多条序列的目录；复合物用 : 分隔各链。
colabfold_batch input.fasta output_dir/
# 复合物 & 多模型示例：
colabfold_batch --num-recycle 3 --num-models 5 complex.fasta out/setup_databases.sh + --host-url 自建 MSA 服务器。jaxlib 的 CUDA 版本与驱动一致。python -c "import jax; print(jax.devices())" 应看到 GPU。--num-models、关闭 --amber 松弛、或换更大显存卡。也可先用单体验证流程再上复合物。pip 装好即用的复合物结构预测 —— 蛋白 / 核酸 / 小分子多组分，支持接触与口袋约束、可选 MSA server。Chai Discovery 出品，Apache-2.0 可商用。
| 官方仓库 | github.com/chaidiscovery/chai-lab |
|---|---|
| 技术报告 | bioRxiv 2024 · Chai-1: Decoding the molecular interactions of life |
| 许可证 | 代码与权重 Apache-2.0 —— 少数明确可商用的高精度复合物预测模型 |
| GPU 门槛 | NVIDIA GPU，官方建议约 24 GB+ 显存起步；序列越长显存需求越高。 |
| MSA | 可无 MSA（单序列）直跑；也可开 use_msa_server=True 拉取 MSA 提升精度。 |
| 推荐路径 | pip install chai_lab（纯 Python，零 Docker） |
conda create -n chai python=3.11 -y
conda activate chai
pip install chai_labFASTA header 用 protein|name、ligand|name 等标注组分类型。首次运行会自动下载权重。
python - <<'PY'
from pathlib import Path
from chai_lab.chai1 import run_inference
run_inference(
fasta_file=Path("input.fasta"),
output_dir=Path("outputs"),
use_msa_server=True, # 想更快可设 False 走单序列
num_diffn_samples=5,
)
PYnum_diffn_samples、缩短输入，或换更大显存 GPU。约束（contact/pocket）可减少无谓采样。给定骨架结构，反向折叠出能真正表达的氨基酸序列 —— RFdiffusion 生成骨架后的标准配套。轻量、CPU 可跑，Baker 组 MIT 开源。
| 官方仓库 | github.com/dauparas/ProteinMPNN |
|---|---|
| 论文 | Dauparas et al. 2022, Science · Robust deep learning–based protein sequence design using ProteinMPNN |
| 许可证 | MIT（代码 + 权重都在仓库里，无需额外申请） |
| 硬件门槛 | 极轻量：CPU 即可，有 GPU 更快。权重文件已随仓库分发。 |
| 安装方式 | 无需 pip 包 —— git clone 后直接 python protein_mpnn_run.py，只依赖 PyTorch + NumPy。 |
git clone https://github.com/dauparas/ProteinMPNN.git
cd ProteinMPNN
conda create -n mlfold python=3.10 -y
conda activate mlfold
pip install torch numpy仓库 examples/ 下有大量现成脚本。最简单的单链设计：
python protein_mpnn_run.py \
--pdb_path my_backbone.pdb \
--out_folder ./outputs \
--num_seq_per_target 8 \
--sampling_temp "0.1"温度提示：sampling_temp 越低序列越保守（贴近天然），越高多样性越大，常用 0.1–0.3。
helper_scripts/ 里的 make_fixed_positions_dict.py 等生成 JSON，再通过 --fixed_positions_jsonl 传入，不要手改主脚本。parse_multiple_chains.py 解析结构，再用 assign_fixed_chains.py 指定哪些链设计、哪些链固定为上下文。ProteinMPNN 的升级版 —— 设计序列时显式感知配体、核酸、金属离子等非蛋白环境，特别适合酶活性口袋与结合位点设计。Baker 组出品。
| 官方仓库 | github.com/dauparas/LigandMPNN |
|---|---|
| 论文 | Dauparas et al. 2025, Nature Methods · Atomic context-conditioned protein sequence design（LigandMPNN） |
| 许可证 | MIT（权重通过脚本下载，非商用限制无） |
| 硬件门槛 | 与 ProteinMPNN 类似，CPU 可跑，GPU 更快。 |
| 模型家族 | 一套仓库内含 ProteinMPNN / LigandMPNN / SolubleMPNN / 膜蛋白版等多套权重，用 --model_type 切换。 |
与 ProteinMPNN 不同，LigandMPNN 的权重需用仓库自带脚本单独拉取。
git clone https://github.com/dauparas/LigandMPNN.git
cd LigandMPNN
conda create -n ligandmpnn python=3.11 -y
conda activate ligandmpnn
pip install -r requirements.txt
bash get_model_params.sh "./model_params"关键是 --model_type "ligand_mpnn"，让模型读入 PDB 里的配体/辅因子原子作为上下文。
python run.py \
--model_type "ligand_mpnn" \
--checkpoint_ligand_mpnn "./model_params/ligandmpnn_v_32_010_25.pt" \
--pdb_path "./inputs/my_enzyme_with_ligand.pdb" \
--out_folder "./outputs" \
--number_of_batches 2get_model_params.sh 下载失败ligand_mpnn 只在该 model_type 下读取非蛋白原子，用错 model_type 会退化成普通 ProteinMPNN。把分子对接建模成扩散生成问题 —— 无需人工指定口袋的 blind docking，精度显著超越传统对接软件。MIT Jaakkola / Barzilay 组出品。
| 官方仓库 | github.com/gcorso/DiffDock |
|---|---|
| 论文 | Corso et al. 2023 (ICLR) · DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking；DiffDock-L 为其增强版 |
| 许可证 | MIT |
| 硬件门槛 | NVIDIA GPU（8 GB+ 可起步）；CPU 亦可跑但慢。依赖 PyTorch Geometric 生态。 |
| 输入 | 蛋白（PDB / FASTA，可用内置 ESMFold 生成结构）+ 配体（SMILES 或 SDF/MOL2）。 |
DiffDock 依赖 torch-geometric / torch-scatter 等对 CUDA 版本敏感的包，强烈建议直接用官方环境文件，别手动逐个 pip。
git clone https://github.com/gcorso/DiffDock.git
cd DiffDock
conda env create -f environment.yml
conda activate diffdockpython -m inference \
--config default_inference_args.yaml \
--protein_path my_protein.pdb \
--ligand "COc1ccc2cc(ccc2c1)..." \
--out_dir results/批量：用 --protein_ligand_csv 传一个含 protein_path / ligand 两列的 CSV，一次跑多对。
torch-scatter / torch-sparse 装不上或版本冲突environment.yml；手动装时去 PyG 官方 wheel 索引选对应版本，切勿用默认 PyPI。蛋白界的 BERT —— 从 8M 到 15B 全系列权重，提取残基 / 序列嵌入、做零样本突变效应打分的事实标准。Meta FAIR 出品。
| 官方仓库 | github.com/facebookresearch/esm（已封存）· 推荐走 HuggingFace transformers |
|---|---|
| 论文 | Lin et al. 2023, Science · Evolutionary-scale prediction of atomic-level protein structure with a language model |
| 许可证 | MIT |
| 型号选择 | esm2_t33_650M（性价比之选）→ t36_3B → t48_15B。越大越准也越吃显存；日常嵌入 650M 足矣。 |
| 硬件门槛 | 小模型 CPU 可跑；650M 用 8–16 GB 显存流畅；15B 需多卡 / 分片。 |
pip install "transformers[torch]"python - <<'PY'
import torch
from transformers import AutoTokenizer, AutoModel
name = "facebook/esm2_t33_650M_UR50D"
tok = AutoTokenizer.from_pretrained(name)
model = AutoModel.from_pretrained(name).eval()
seq = "MKTVRQERLKSIVRILERSKEPVSGAQLAEELSVSRQVIVQDIAYLRSLGYNIVATPRGYVLAG"
inputs = tok(seq, return_tensors="pt")
with torch.no_grad():
out = model(**inputs)
# 每残基表示: [1, L, hidden]；序列级取均值池化
per_residue = out.last_hidden_state
seq_embed = per_residue.mean(dim=1)
print(per_residue.shape, seq_embed.shape)
PY想要论文里的 extract.py 批量抽 embedding，或做变体打分，可用原生包：
pip install fair-esmtorch_dtype=torch.float16 + device_map="auto"（装 accelerate）分片。日常任务优先 650M。跨越三界的 DNA 基础模型 —— 100 万 token 超长上下文，从变异效应预测到全基因组尺度生成。Arc Institute × NVIDIA 出品。
| 官方仓库 | github.com/ArcInstitute/evo2 |
|---|---|
| 论文 | Brixi et al. 2025 · Genome modeling and design across all domains of life with Evo 2（bioRxiv） |
| 许可证 | Apache-2.0 |
| 型号 | evo2_7b / evo2_40b（及 1M 上下文变体）。40B 需要多卡。 |
| 硬件门槛 | 官方推理依赖 Compute Capability ≥ 8.9（H100/H200/4090 等） 的 FP8 支持；需 CUDA + Transformer Engine。 |
| NIM 替代 | 不想本地部署可用 NVIDIA NIM 托管 API。 |
官方推荐在已装好 CUDA 与 PyTorch 的 H100 机器上直接 pip 安装，会一并拉取 vortex / Transformer Engine 相关依赖。
pip install evo2
# 或从源码（含子模块）：
git clone --recurse-submodules https://github.com/ArcInstitute/evo2.git
cd evo2 && pip install .python - <<'PY'
from evo2 import Evo2
model = Evo2('evo2_7b') # 首次会下载权重
seq = "ACGT" * 200
_, embeds = model('seq_id', seq, return_embeddings=True,
layer_names=['blocks.28.mlp.l3'])
print({k: v.shape for k, v in embeds.items()})
PY--recurse-submodules 拉全子模块，并保证 CUDA Toolkit 与 PyTorch 的 CUDA 版本一致；容器环境用官方镜像最省心。基于基因排序编码的转录组 Transformer —— 约 3000 万单细胞预训练，擅长少样本细胞 / 基因分类与「计算扰动」网络分析。托管于 HuggingFace。
| 官方仓库 | huggingface.co/ctheodoris/Geneformer（代码 + 权重都在 HF repo） |
|---|---|
| 论文 | Theodoris et al. 2023, Nature · Transfer learning enables predictions in network biology |
| 许可证 | Apache-2.0 |
| 硬件门槛 | 推理 CPU 可跑，微调建议 GPU。数据需先「tokenize」成 rank value encoding。 |
| 关键依赖 | 需 git-lfs 拉权重；数据处理依赖 anndata / datasets / loompy。 |
Geneformer 不在 PyPI —— 权重通过 git-lfs 随 HF 仓库分发，克隆后本地 pip install .。
git lfs install
git clone https://huggingface.co/ctheodoris/Geneformer
cd Geneformer
pip install .Geneformer 吃的是「基因按表达量排序」的 token 序列，需先用内置 TranscriptomeTokenizer 转换。
python - <<'PY'
from geneformer import TranscriptomeTokenizer
tk = TranscriptomeTokenizer({"cell_type": "cell_type"}, nproc=4)
tk.tokenize_data("data_dir/", "out_dir/", "prefix", file_format="h5ad")
PY细胞注释 / 基因分类 / in-silico 扰动的完整示例见 HF 仓库的 examples/ notebook。
git clone 拉下来权重是几 KB 的指针文件git lfs install。补跑 git lfs pull 即可把真实权重拉全。var 的基因名映射成 ensembl_id，否则大量基因被丢弃。单细胞概率建模全家桶 —— scVI 批次校正潜空间、scANVI 半监督注释、totalVI 多模态整合，scverse 官方维护，pip 一键装。
| 官方仓库 | github.com/scverse/scvi-tools · docs.scvi-tools.org |
|---|---|
| 论文 | Gayoso et al. 2022, Nature Biotechnology · A Python library for probabilistic analysis of single-cell omics data |
| 许可证 | BSD-3-Clause |
| 硬件门槛 | CPU 可跑，GPU（PyTorch / Lightning）显著加速。与 scanpy / anndata 无缝衔接。 |
| 模型家族 | scVI（整合 / 批次校正）、scANVI（标签迁移注释）、totalVI（CITE-seq）、DestVI（空间解卷积）等一套 API。 |
conda create -n scvi python=3.11 -y
conda activate scvi
pip install scvi-tools scanpy想用 GPU 请先按官方指引装好对应 CUDA 版 PyTorch，再装 scvi-tools。
python - <<'PY'
import scanpy as sc, scvi
adata = sc.read_h5ad("my_data.h5ad")
scvi.model.SCVI.setup_anndata(adata, batch_key="batch")
model = scvi.model.SCVI(adata)
model.train()
adata.obsm["X_scVI"] = model.get_latent_representation()
print(adata)
PYsetup_anndata 前应保留 raw counts（如放在 layer="counts" 并用 layer= 指定），不要传 log-normalized 值。torch.cuda.is_available() 为真；model.train() 会自动用 GPU。CPU 上大数据集建议先做 HVG 筛选降维。AlphaFold2 的可训练 PyTorch 复现 —— 权重与训练代码全开放，适合做微调 / 二次开发 / 教学。哥伦比亚大学 AlQuraishi lab 出品，Apache-2.0。
| 官方仓库 | github.com/aqlaboratory/openfold |
|---|---|
| 论文 | Ahdritz et al. 2024, Nature Methods · OpenFold: retraining AlphaFold2 yields new insights |
| 许可证 | Apache-2.0（代码 + 权重） |
| 硬件门槛 | NVIDIA GPU + CUDA；安装时会编译自定义 CUDA 内核，需要 nvcc。 |
| 推荐路径 | 用官方 environment.yml 建 conda/mamba 环境，避免依赖地狱。 |
git clone https://github.com/aqlaboratory/openfold.git
cd openfold
mamba env create -n openfold_env -f environment.yml
conda activate openfold_env
pip install .仓库自带脚本，可下 OpenFold 自训权重，或复用 AlphaFold2 官方参数。
bash scripts/download_openfold_params.sh openfold/resources
# 或复用 AF2 权重：
bash scripts/download_alphafold_params.sh openfold/resourcesnvcc --version 与 PyTorch 的 CUDA 版本主号一致；优先用 environment.yml 里锁定的组合，别自己升级 torch。字节跳动 AI Lab 的 AlphaFold3 开源复现 —— pip 安装、可训练、Apache-2.0 可商用，蛋白 / 复合物 / 配体 / 核酸全支持。
| 官方仓库 | github.com/bytedance/Protenix |
|---|---|
| 技术报告 | bioRxiv 2025 · Protenix - Advancing Structure Prediction Through a Comprehensive AlphaFold3 Reproduction |
| 许可证 | Apache-2.0 |
| 硬件门槛 | NVIDIA GPU + CUDA；显存随体系大小增长，建议 24 GB+。 |
| 推荐路径 | pip install protenix，自带 protenix predict CLI。 |
conda create -n protenix python=3.10 -y
conda activate protenix
pip install protenix用官方 CLI，输入 JSON 描述体系（格式见仓库 examples/），首次运行自动下载权重。
protenix predict \
--input examples/example.json \
--out_dir ./output \
--seeds 101生成式蛋白语言模型 —— 序列 / 结构 / 功能三模态联合建模，可像补全文本一样「补全」蛋白，用于生成与设计。EvolutionaryScale 出品。
esm3-sm-open-v1 免费但需接受社区许可（非商业条款），登录后自动下载。更大模型走其 Forge API。| 官方仓库 | github.com/evolutionaryscale/esm |
|---|---|
| 论文 | Hayes et al. 2025, Science · Simulating 500 million years of evolution with a language model |
| 许可证 | 开放版为社区许可（非商用）；商用需 EvolutionaryScale 授权 |
| 硬件门槛 | 开放小模型单张 ≥ 16 GB 显存可跑；越大越吃显存。 |
| 安装方式 | pip install esm + HuggingFace 登录领权重。 |
pip install esm
huggingface-cli login # 粘贴你的 HF token，并在模型页接受许可python - <<'PY'
from esm.models.esm3 import ESM3
from esm.sdk.api import ESMProtein, GenerationConfig
model = ESM3.from_pretrained("esm3-open").to("cuda")
protein = ESMProtein(sequence="___________") # 下划线为待生成位点
out = model.generate(protein, GenerationConfig(track="sequence", num_steps=8))
print(out.sequence)
PYhuggingface-cli login 后到 esm3-sm-open-v1 接受许可即可。可编程的蛋白扩散生成模型 —— 用对称、形状、语义等「条件器」约束设计，一键出全新骨架并配套序列。Generate Biomedicines 出品。
| 官方仓库 | github.com/generatebio/chroma |
|---|---|
| 论文 | Ingraham et al. 2023, Nature · Illuminating protein space with a programmable generative model |
| 许可证 | 代码 Apache-2.0；权重为学术许可（需注册） |
| 硬件门槛 | NVIDIA GPU；生成大蛋白 / 复合物越大越吃显存。 |
| 安装方式 | pip install generate-chroma |
python - <<'PY'
from chroma import Chroma, api
api.register_key("YOUR_API_KEY") # 首次注入下载 token
chroma = Chroma()
protein = chroma.sample(chain_lengths=[180])
protein.to("sample.pdb")
PYapi.register_key(...) 或设 CHROMA_API_KEY 环境变量，否则拉不到 checkpoint。chroma.conditioners 里的条件器组合传入 sample()，README 有对称寡聚体、形状引导等示例。秒级抗体 / 纳米抗体结构预测 —— 基于 AntiBERTy 抗体语言模型，pip 一键装，适合大批量抗体建模。Johns Hopkins Graylab 出品。
| 官方仓库 | github.com/Graylab/IgFold |
|---|---|
| 论文 | Ruffolo et al. 2023, Nature Communications · Fast, accurate antibody structure prediction from deep learning on massive set of natural antibodies |
| 硬件门槛 | CPU 即可（秒级），GPU 更快。结构精修（可选）需 PyRosetta 或 OpenMM。 |
| 安装方式 | pip install igfold |
pip install igfold
# 可选：结构精修需其一
# pip install pyrosettacolabsetup 或 conda install -c conda-forge openmm pdbfixerpython - <<'PY'
from igfold import IgFoldRunner
seqs = {"H": "EVQLVESGGGLVQPGGSLRLSCAAS...", "L": "DIQMTQSPSSLSASVGDRVTITC..."}
igfold = IgFoldRunner()
igfold.fold("antibody.pdb", sequences=seqs, do_refine=True, do_renum=True)
PY纳米抗体只传单条 H 链即可。
do_refine=True 报错do_refine=False，仍能得到主干结构。抗体 / 纳米抗体从头设计流水线 —— RFdiffusion 抗体版生成 CDR + ProteinMPNN 出序列 + RoseTTAFold2 过滤打分，Docker 一体化。Baker 组出品。
| 官方仓库 | github.com/RosettaCommons/RFantibody |
|---|---|
| 论文 | Bennett et al. 2024 · Atomically accurate de novo design of antibodies with RFdiffusion（bioRxiv） |
| 硬件门槛 | NVIDIA GPU；官方走 Docker + Poetry 组合，权重由脚本下载。 |
| 推荐路径 | 官方 Docker 镜像（三模型环境一次装好） |
git clone https://github.com/RosettaCommons/RFantibody.git
cd RFantibody
bash include/download_weights.sh
docker build -t rfantibody -f docker/Dockerfile .
docker run --gpus all -it -v $(pwd):/home rfantibodyRFdiffusion 生成 → ProteinMPNN 设计序列 → RF2 过滤。各步脚本在 scripts/ 下，README 有端到端示例。
poetry run python /home/scripts/rfdiffusion_inference.py ... # 详见官方 READMEProtTrans 系列旗舰 —— T5 编码器架构、UniRef50 预训练，嵌入在二级结构 / 亚细胞定位等下游任务上长期领先。RostLab 出品。
| 模型卡 | Rostlab/prot_t5_xl_half_uniref50-enc（半精度编码器版，省显存） |
|---|---|
| 仓库 | github.com/agemagician/ProtTrans |
| 论文 | Elnaggar et al. 2021, IEEE TPAMI · ProtTrans: Toward Understanding the Language of Life |
| 硬件门槛 | 半精度编码器版可在 CPU 上跑小批量；GPU 明显更快。 |
pip install "transformers[torch]" sentencepieceProtT5 词表要求残基间空格分隔，并把 U/Z/O/B 罕见残基替换为 X。
python - <<'PY'
import re, torch
from transformers import T5Tokenizer, T5EncoderModel
name = "Rostlab/prot_t5_xl_half_uniref50-enc"
tok = T5Tokenizer.from_pretrained(name, do_lower_case=False)
model = T5EncoderModel.from_pretrained(name).eval()
seq = "M K T V R Q E R L K"
seq = re.sub(r"[UZOB]", "X", seq)
ids = tok(seq, return_tensors="pt", add_special_tokens=True)
with torch.no_grad():
emb = model(**ids).last_hidden_state
print(emb.shape)
PYSentencePiece 报错sentencepiece。ProtT5 的分词器依赖它，pip 补装即可。</s> 对应位要在取嵌入时去掉。结构感知蛋白语言模型 —— 用 Foldseek 的 3Di 结构词元与序列联合编码，突变效应 / 功能预测优于纯序列模型。西湖大学出品。
| 官方仓库 | github.com/westlake-repl/SaProt |
|---|---|
| 模型卡 | westlake-repl/SaProt_650M_AF2 |
| 论文 | Su et al. 2024 (ICLR) · SaProt: Protein Language Modeling with Structure-aware Vocabulary |
| 硬件门槛 | GPU 推荐；生成结构词元需 Foldseek 二进制。 |
SaProt 的输入是「氨基酸 + 结构」的组合词元，需要 Foldseek 先把结构转成 3Di 序列。
pip install transformers torch
# 下载 Foldseek 二进制（用于生成结构词元）
# https://github.com/steineggerlab/foldseek/releases若只有序列没有结构，可用全 # 占位结构词元退化为序列模式；有结构时精度更高。
python - <<'PY'
from transformers import EsmTokenizer, EsmForMaskedLM
name = "westlake-repl/SaProt_650M_AF2"
tok = EsmTokenizer.from_pretrained(name)
model = EsmForMaskedLM.from_pretrained(name).eval()
# 结构感知序列：每个位点 = 氨基酸 + 结构词元，如 "Md Ev Qa ..."
seq = "M#E#V#Q#L#"
inputs = tok(seq, return_tensors="pt")
print(model(**inputs).logits.shape)
PY# 占位（退化为序列模型），但会损失结构增益。DNA 版 BERT —— 跨多物种基因组预训练、掩码建模学表征，用于变异效应 / 调控元件 / 剪接等下游任务。InstaDeep 出品，HuggingFace 直取。
| 模型卡 | InstaDeepAI/nucleotide-transformer-v2-500m-multi-species |
|---|---|
| 仓库 | github.com/instadeepai/nucleotide-transformer |
| 论文 | Dalla-Torre et al. 2024, Nature Methods · Nucleotide Transformer: building and evaluating robust foundation models for human genomics |
| 硬件门槛 | GPU 推荐；提供 50M~2.5B 多档，500M 性价比高。 |
pip install "transformers[torch]"python - <<'PY'
import torch
from transformers import AutoTokenizer, AutoModelForMaskedLM
name = "InstaDeepAI/nucleotide-transformer-v2-500m-multi-species"
tok = AutoTokenizer.from_pretrained(name)
model = AutoModelForMaskedLM.from_pretrained(name, trust_remote_code=True).eval()
dna = "ATTCCGATTCCGATTCCG"
ids = tok(dna, return_tensors="pt")["input_ids"]
with torch.no_grad():
out = model(ids, output_hidden_states=True)
print(out.hidden_states[-1].shape) # 最后一层表征
PY从 DNA 序列预测基因表达与染色质信号 —— 200 kb 长程注意力，顺式调控与变异效应研究的标杆模型。DeepMind 出品，有 PyTorch 封装。
| PyTorch 封装 | github.com/lucidrains/enformer-pytorch（pip install enformer-pytorch） |
|---|---|
| 官方（TF） | deepmind-research/enformer |
| 论文 | Avsec et al. 2021, Nature Methods · Effective gene expression prediction from sequence by integrating long-range interactions |
| 硬件门槛 | 输入固定 196,608 bp；GPU 推荐，显存需求中等偏上。 |
pip install enformer-pytorchpython - <<'PY'
import torch
from enformer_pytorch import from_pretrained
model = from_pretrained("EleutherAI/enformer-official-rough").eval()
seq = torch.randint(0, 5, (1, 196_608)) # one-hot 前的碱基索引
with torch.no_grad():
out = model(seq)
print(out["human"].shape) # [1, 896, 5313] 人类 track
PY百万碱基、单核苷酸分辨率的长上下文基因组模型 —— 用 Hyena 卷积替代注意力，超长序列显存友好。Stanford HazyResearch 出品。
| 模型卡 | LongSafari/hyenadna-medium-450k-seqlen-hf（多种上下文长度可选） |
|---|---|
| 仓库 | github.com/HazyResearch/hyena-dna |
| 论文 | Nguyen et al. 2023 (NeurIPS) · HyenaDNA: Long-Range Genomic Sequence Modeling at Single Nucleotide Resolution |
| 硬件门槛 | GPU；长上下文变体显存需求随序列增长，但远低于同长度注意力模型。 |
HF 版封装好，用 trust_remote_code=True 直接加载，单碱基 tokenizer。
pip install "transformers[torch]"
python - <<'PY'
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification
name = "LongSafari/hyenadna-medium-450k-seqlen-hf"
tok = AutoTokenizer.from_pretrained(name, trust_remote_code=True)
model = AutoModelForSequenceClassification.from_pretrained(name, trust_remote_code=True)
ids = tok("ACGT" * 100, return_tensors="pt")["input_ids"]
with torch.no_grad():
print(model(ids).logits.shape)
PYtrust_remote_code=TrueRNA 基础语言模型 —— 2300 万非编码 RNA 序列预训练，出的嵌入可驱动二级结构 / 功能等下游任务。pip 一键装。
| 官方仓库 | github.com/ml4bio/RNA-FM |
|---|---|
| 论文 | Chen et al. 2022 · Interpretable RNA Foundation Model from Unannotated Data |
| 硬件门槛 | CPU 可跑小批量，GPU 更快。 |
| 安装方式 | pip install rna-fm（或从源码装） |
pip install rna-fmpython - <<'PY'
import torch, fm
model, alphabet = fm.pretrained.rna_fm_t12()
bc = alphabet.get_batch_converter()
model.eval()
data = [("seq1", "GGGUGCGAUCAUACCAGCACUAAUGCCCUCCUGGGAAGUCCUCGUGUUGCACCCCU")]
_, _, tokens = bc(data)
with torch.no_grad():
out = model(tokens, repr_layers=[12])
print(out["representations"][12].shape)
PY通用细胞嵌入 —— 无需微调、跨物种零样本把任意 scRNA-seq 数据映射到统一嵌入空间。Stanford SNAP × CZ Biohub 出品。
| 官方仓库 | github.com/snap-stanford/UCE |
|---|---|
| 论文 | Rosen et al. 2023 · Universal Cell Embeddings: A Foundation Model for Cell Biology（bioRxiv） |
| 硬件门槛 | GPU 推荐；权重与蛋白嵌入辅助文件需单独下载。 |
| 安装方式 | git clone + requirements.txt，用 eval_single_anndata.py 出嵌入。 |
git clone https://github.com/snap-stanford/UCE.git
cd UCE
conda create -n uce python=3.10 -y
conda activate uce
pip install -r requirements.txt首次运行会自动下载模型与辅助文件；直接传你的 AnnData 即可，无需训练。
python eval_single_anndata.py \
--adata_path my_data.h5ad \
--dir ./output \
--species human--species 必须与数据匹配（human/mouse 等），UCE 靠它选基因↔蛋白嵌入映射，写错会得到无意义嵌入。大规模单细胞基础模型 —— 约 5000 万细胞、1 亿参数（xTrimoGene 架构）预训练，支持读数增强、扰动与药物响应预测。BioMap × 清华出品。
| 官方仓库 | github.com/biomap-research/scFoundation |
|---|---|
| 论文 | Hao et al. 2024, Nature Methods · Large-scale foundation model on single-cell transcriptomics |
| 硬件门槛 | GPU（1 亿参数，推理建议 ≥ 16 GB 显存）。 |
| 安装方式 | git clone + 依赖；权重申请后放入指定目录。 |
git clone https://github.com/biomap-research/scFoundation.git
cd scFoundation
conda create -n scfoundation python=3.9 -y
conda activate scfoundation
pip install -r requirements.txt按仓库 README 的表单链接申请 checkpoint，放到 model/，再用 get_embedding.py 类脚本对表达矩阵出细胞 / 基因嵌入。
# 详见 README，示意：
python get_embedding.py --task_name emb --input_type singlecell \
--data_path my_data.npz --output_dir ./out全原子精度蛋白复合物结构预测 —— 支持蛋白/核酸/小分子/金属离子，是 RFantibody 流水线的结构后端。Baker 组/UW IPD 出品，MIT 开源。
| 官方发表 | Science 2024 · Generalized biomolecular modeling with RoseTTAFold All-Atom |
|---|---|
| GPU 硬件门槛 | 推荐 16GB+ VRAM（A100/H100 更佳），CPU 模式极慢 |
| 核心能力 | 蛋白单体/复合物/核酸/小分子/金属离子全原子结构预测；RFantibody 后端 |
| 操作系统 | Linux（推荐），macOS 有限支持 |
| 推荐路径 | conda + pip，需安装 SE3nv / torch-geometric 等依赖 |
git clone https://github.com/baker-laboratory/RoseTTAFold-All-Atom
cd RoseTTAFold-All-Atomconda env create -f environment.yaml
conda activate RFAAcd $RFAA_DIR
mkdir -p weights
wget http://files.ipd.uw.edu/pub/RF-All-Atom/weights/RFAA_paper_weights.pt -P weights/python run_inference.py --config-name base protein_inputs.A.fasta_file=seq.fasta output_path=outputs/conda install -c conda-forge cudatoolkit-dev 补装，或在官方推荐的 Docker 镜像中运行。单序列蛋白结构预测，无需 MSA —— 大型 PLM 驱动，适合孤儿蛋白、合成蛋白和隐私敏感序列。HeliXon × 北京大学出品。
| 官方发表 | bioRxiv 2022 · High-resolution de novo structure prediction from primary sequence |
|---|---|
| GPU 硬件门槛 | 8GB+ VRAM（单卡），CPU 可跑但极慢 |
| 核心能力 | 单序列蛋白单体结构预测，无需 MSA 数据库 |
| 操作系统 | Linux / macOS |
| 推荐路径 | pip install + 下载模型权重 |
git clone https://github.com/HeliXonProtein/OmegaFold
cd OmegaFold
pip install .# Model1（推荐，更快）
wget https://helixon.s3.amazonaws.com/release1.pt
# Model2（更精准）
wget https://helixon.s3.amazonaws.com/release2.ptomegafold input.fasta output_dir/ --model 1--subbatch_size 1 降低峰值显存，代价是推理变慢。多任务 AlphaFold2 复现 —— 支持单体/复合物（UniFold-Multimer）/对称寡聚体（UniFold-Symmetry），DP Technology 出品，MIT 开源可训练。
| 官方发表 | bioRxiv 2022 · Uni-Fold: An Open-Source Platform for Developing Protein Folding Models beyond AlphaFold |
|---|---|
| GPU 硬件门槛 | 训练需多卡，推理 16GB+ VRAM |
| 核心能力 | AF2 单体/多链/对称寡聚体结构预测，支持再训练 |
| 操作系统 | Linux |
| 推荐路径 | conda + pip + Docker |
git clone https://github.com/dptech-corp/Uni-Fold
cd Uni-Foldconda create -n unifold python=3.9 -y
conda activate unifold
pip install -r requirements.txt# 参考官方 README 下载权重（OSS 链接）
bash run_unifold.sh --input_fasta seq.fasta --output_dir ./outputs百度飞桨（PaddlePaddle）实现的 AlphaFold3 开源复现 —— 支持蛋白/小分子/核酸复合物，Apache-2.0 可商用。
| 官方发表 | arXiv 2024 · HelixFold3: An Open-Source Reimplementation of AlphaFold3 |
|---|---|
| GPU 硬件门槛 | A100 40GB+ 推荐；需 PaddlePaddle GPU 版本 |
| 核心能力 | 复合物结构预测（蛋白/DNA/RNA/小分子/离子） |
| 框架 | PaddlePaddle（非 PyTorch） |
| 许可证 | Apache-2.0 |
pip install paddlepaddle-gpu==2.6.1.post120 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.htmlgit clone https://github.com/PaddlePaddle/PaddleHelix
cd PaddleHelix/apps/protein_folding/helixfold3
pip install -r requirements.txtbash scripts/download_all_data.sh /data/helixfold3_data进化耦合 + 深度学习驱动的蛋白结构预测 —— 通过共进化信号约束骨架扭转角，AlphaFold2 之前的经典方法，仍广泛用于训练数据生成和 Rosetta 流水线。
| 官方发表 | PNAS 2020 · Improved protein structure prediction using predicted interresidue orientations |
|---|---|
| GPU 硬件门槛 | CPU 可跑；GPU 可加速深度学习部分 |
| 核心能力 | residue-residue 接触/方向预测 + Rosetta 骨架生成 |
| 依赖 | Rosetta suite + HH-suite 或 MMseqs2（MSA 生成） |
git clone https://github.com/gjoni/trRosetta
cd trRosettaconda create -n trrosetta python=3.7 tensorflow-gpu=1.15 -y
conda activate trrosetta
pip install numpy scipywget http://files.ipd.uw.edu/pub/trRosetta/model2019_07.tar.bz2
tar xjf model2019_07.tar.bz2分布式 AlphaFold2 训练与推理加速框架 —— 重新设计 Evoformer 算子实现并行计算，训练速度提升 11×，多卡超长序列首选。BioMap / 清华大学出品。
| 官方发表 | SC'22 · FastFold: Reducing AlphaFold Training Time from 11 Days to 67 Hours |
|---|---|
| GPU 硬件门槛 | 多卡（推荐 4×A100/H100），单卡也可推理 |
| 核心能力 | 加速 AF2 训练/推理，支持超长蛋白序列 |
| 操作系统 | Linux |
| 许可证 | Apache-2.0 |
git clone https://github.com/hpcaitech/FastFold
cd FastFold
pip install -r requirements.txt
pip install -e .torchrun --nproc_per_node=4 inference.py --fasta_paths seq.fasta --output_dir ./outputs序列空间蛋白扩散模型 —— 在离散氨基酸序列上做 MDLM 扩散，无需结构信息，可条件生成支架或功能蛋白。Microsoft Research 出品。
| 官方发表 | Nature Communications 2024 · Sequence-first protein design with EvoDiff |
|---|---|
| GPU 硬件门槛 | CPU 可跑小模型；GPU 推荐 8GB+ VRAM |
| 核心能力 | 无条件/motif scaffolding/序列填充蛋白生成 |
| 许可证 | MIT |
pip install evodifffrom evodiff.pretrained import OA_DM_38M
from evodiff.generate import generate_oaardm
model, collater, tokenizer, scheme = OA_DM_38M()
# 生成 256 个残基的蛋白序列
sequence, aminos, tokens, time = generate_oaardm(model, tokenizer, 256)分层 SE(3) 扩散蛋白骨架生成模型 —— 先生成全局拓扑再细化局部结构，生成速度快、多样性高。Stanford / UCLA 出品。
| 官方发表 | arXiv 2024 · Genie 2: Generative Modeling of Protein Structures at Scale |
|---|---|
| GPU 硬件门槛 | 8GB+ VRAM |
| 核心能力 | 无条件/长度条件蛋白骨架生成 |
| 许可证 | MIT |
git clone https://github.com/aqlaboratory/genie2
cd genie2
pip install -e .# 参考官方 README 获取 HuggingFace 权重链接
huggingface-cli download aqlaboratory/genie2 --local-dir ./weightspython sample.py --model_path weights/ --length 100 --num_samples 10 --output_dir outputs/基于 SE(3) 帧扩散的蛋白骨架生成 —— 在旋转+平移流形上定义扩散过程，理论优雅、代码精简。MIT Watson / Barzilay 组出品。
| 官方发表 | ICML 2023 · SE(3) diffusion model with application to protein backbone generation |
|---|---|
| GPU 硬件门槛 | 8GB+ VRAM |
| 核心能力 | 无条件蛋白骨架生成 |
| 许可证 | MIT |
git clone https://github.com/jasonkyuyim/se3_diffusion
cd se3_diffusion
conda create -n framediff python=3.9 -y
conda activate framediff
pip install -r requirements.txtpython experiments/inference_se3_diffusion.py inference.output_dir=./outputs inference.num_t=100 inference.num_samples=10条件酶序列生成语言模型 —— 输入 EC 编号（如 EC 1.1.1.1），生成对应功能类别的酶序列，是酶工程起点的高效工具。CRG Barcelona 出品。
| 官方发表 | Nature Communications 2024 · Controlled generation of functional protein sequences |
|---|---|
| GPU 硬件门槛 | 8GB+ VRAM（也可 CPU，但速度慢） |
| 核心能力 | 按 EC 编号条件生成酶序列 |
| 许可证 | MIT |
pip install transformers torchfrom transformers import AutoTokenizer, AutoModelForCausalLM
import torch
tokenizer = AutoTokenizer.from_pretrained("AI4PD/ZymCTRL")
model = AutoModelForCausalLM.from_pretrained("AI4PD/ZymCTRL")
# 生成 EC 1.1.1.1（醇脱氢酶）的序列
ec_tag = "<1.1.1.1>"
inputs = tokenizer(ec_tag, return_tensors="pt")
with torch.no_grad():
outputs = model.generate(**inputs, max_length=512, do_sample=True, top_k=50)
print(tokenizer.decode(outputs[0]))自动化蛋白 binder 设计全流水线 —— 从靶点结构到可实验验证的 binder 候选，整合 RFdiffusion + ProteinMPNN + AlphaFold2 打分，Baker 组出品。
| 官方发表 | Nature 2024 · De novo design of protein structure and function with RFdiffusion |
|---|---|
| GPU 硬件门槛 | 需要 RFdiffusion + AF2，建议 A100 40GB+ |
| 核心能力 | 从靶点结构自动完成 binder 设计全流水线 |
| 许可证 | MIT |
git clone https://github.com/martinpacesa/BindCraft
cd BindCraftbash install_bindcraft.sh --cuda 11.8 --pkg_manager condapython bindcraft.py --settings settings/default_4stage.json --filters filters/default_filters.json --advanced advanced/default_4stage_multimer.json大规模蛋白语言模型（最大 6.4B 参数）—— 用于零样本突变体效应预测与蛋白序列生成，系列模型覆盖 86M 到 6.4B。Salesforce Research 出品。
| 官方发表 | Nature Biotechnology 2023 · Large language models generate functional protein sequences across diverse families |
|---|---|
| GPU 硬件门槛 | 86M CPU 可跑；6.4B 需 80GB VRAM |
| 核心能力 | 蛋白序列生成、零样本突变效应预测（NLL 打分） |
| 许可证 | Apache-2.0 |
git clone https://github.com/salesforce/progen
cd progen/progen2
pip install -r requirements.txtfrom tokenizers import Tokenizer
import torch
from models.progen.modeling_progen import ProGenForCausalLM
model = ProGenForCausalLM.from_pretrained("hugohrban/progen2-small")
tokenizer = Tokenizer.from_pretrained("hugohrban/progen2-small")
# 计算序列 log-likelihood 用于突变效应打分用 GPT-2 架构在 UniRef50 上训练的蛋白生成模型 —— 采样出的序列天然可折叠，是最早的蛋白语言生成模型之一。InstaDeep / EMBL-EBI 出品。
| 官方发表 | Nature Communications 2022 · ProtGPT2 is a deep unsupervised language model for protein design |
|---|---|
| GPU 硬件门槛 | CPU 可跑（慢）；GPU 8GB+ 推荐 |
| 核心能力 | 从头蛋白序列生成 |
| 许可证 | MIT |
pip install transformersfrom transformers import pipeline
protgpt2 = pipeline("text-generation", model="nferruz/ProtGPT2")
# 采样 10 条长度约 100 残基的蛋白序列
seqs = protgpt2("<|endoftext|>", max_length=100, do_sample=True,
temperature=1.0, repetition_penalty=1.2,
num_return_sequences=10, batch_size=10)
for s in seqs:
print(s["generated_text"].replace("\n", ""))ML 驱动的高速抗体结构预测 —— 专注 CDR 区高精度建模，速度快于 IgFold，OPIG/Oxford 实验室出品，pip 可装。
| 官方发表 | bioRxiv 2023 · ABodyBuilder2: improved antibody structure prediction |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 加速 |
| 核心能力 | 抗体/纳米抗体结构预测，CDR 环高精度建模 |
| 许可证 | MIT |
pip install abnumber anarci abodybuilder2from abodybuilder2 import ABodyBuilder2
model = ABodyBuilder2()
heavy = "EVQLVESGGGLVQPGGSLRLSCAASGFTFSDYYMSWVRQAPGKGLEWVSYISSSGSTIYYADSVKGRFTISRDNAKNSLYLQMNSLRAEDTAVYYCAR"
light = "DIQMTQSPSSLSASVGDRVTITCRASQGIRNYLAWYQQKPGKAPKLLIYAASTLQSGVPSRFSGSGSGTDFTLTISSLQPEDFATYYCQQLNSYTPWT"
structure = model.predict({"H": heavy, "L": light})
structure.to_pdb("antibody.pdb")深度学习抗体结构预测 —— 独立预测六条 CDR 环的空间几何，可作为 Rosetta 优化的良好起点。Johns Hopkins Graylab 出品。
| 官方发表 | Cell Patterns 2022 · Antibody structure prediction using interpretable deep learning |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 可加速 |
| 核心能力 | 抗体结构预测（六条 CDR 环），可接 Rosetta 优化 |
| 许可证 | MIT |
git clone https://github.com/RosettaCommons/DeepAb
cd DeepAb
pip install -r requirements.txtpython predict.py --fasta_file antibody.fasta --output_dir ./outputs抗体专用语言模型 —— 238M 抗体序列预训练，是 IgFold 的嵌入后端，也可直接用于抗体序列表征和突变打分。Graylab/JHU 出品。
| 官方发表 | PNAS 2022 · IgFold: Fast antibody structure prediction from sequences |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 加速 |
| 核心能力 | 抗体序列嵌入提取、突变效应打分 |
| 许可证 | MIT |
pip install antibertyfrom antiberty import AntiBERTyRunner
runner = AntiBERTyRunner()
seqs = ["EVQLVESGG..."] # VH 序列
embeddings = runner.embed(seqs) # shape: [N, L, 512]抗体专用 ProteinMPNN —— 在 CDR 约束下训练，专门优化抗体 CDR 环的序列设计，配合 RFantibody 流水线使用。Baker 组出品。
| 来源 | RFantibody 流水线的组成部分，Baker 组出品 |
|---|---|
| GPU 硬件门槛 | CPU 可跑 |
| 核心能力 | 抗体骨架上的 CDR 序列设计 |
| 许可证 | MIT |
# AbMPNN 包含在 RFantibody Docker 镜像中
docker pull quay.io/biocontainers/rfantibody:latest
# 或从 baker-laboratory 仓库单独获取
git clone https://github.com/baker-laboratory/RFantibody# 参考 RFantibody 文档，AbMPNN 用于 CDR 序列恢复步骤
python run_abmpnn.py --pdb input_antibody_backbone.pdb --out output_sequences.fa端到端蛋白-小分子复合物结构预测 —— 同时输出蛋白构象变化和配体位姿，处理诱导契合（induced fit），填补了 DiffDock 无法预测蛋白构象变化的空白。Baek Lab × Genentech 出品。
| 官方发表 | Nature Machine Intelligence 2024 · Sequence-structure-function relationships |
|---|---|
| GPU 硬件门槛 | 16GB+ VRAM |
| 核心能力 | 蛋白构象变化 + 配体位姿联合预测（诱导契合对接） |
| 许可证 | Apache-2.0 |
git clone https://github.com/zrqiao/NeuralPLexer
cd NeuralPLexer
conda env create -f environment.yml
conda activate neuralplexerhuggingface-cli download zrqiao/NeuralPLexer --local-dir ./weightsneuralplexer-inference --task=batched_structure_sampling --input-receptor receptor.pdb --input-ligand "CC(=O)Oc1ccccc1C(=O)O" --out-path outputs/通用分子 3D 表征预训练框架 —— 以 3D 原子坐标和结构感知注意力预训练，支持分子特性预测、对接位姿预测等多任务。DP Technology 出品。
| 官方发表 | ICLR 2023 · Uni-Mol: A Universal 3D Molecular Representation Learning Framework |
|---|---|
| GPU 硬件门槛 | GPU 推荐，CPU 可推理小批量 |
| 核心能力 | 分子/蛋白-配体 3D 表征，对接位姿预测，特性预测 |
| 许可证 | MIT |
git clone https://github.com/dptech-corp/Uni-Mol
cd Uni-Mol/unimolpip install torch rdkit-pypi
pip install -e .几何深度学习快速盲对接 —— E(3) 等变网络秒级预测，无需口袋信息，适合大规模虚拟筛选初筛。MIT CSAIL 出品。
| 官方发表 | ICML 2022 · EquiBind: Geometric Deep Learning for Drug Binding Structure Prediction |
|---|---|
| GPU 硬件门槛 | GPU 推荐，CPU 可跑 |
| 核心能力 | 快速盲对接位姿预测，大规模虚拟筛选 |
| 许可证 | MIT |
git clone https://github.com/HannesStark/EquiBind
cd EquiBind
conda env create --file environment.yml
conda activate equibindpython inference.py --config=configs_clean/inference.yml三角感知神经网络分子对接 —— 明确建模蛋白口袋-配体几何三角关系，盲对接精度超越传统软件。北大赵惠民组出品。
| 官方发表 | NeurIPS 2022 · TANKBind: Trigonometry-Aware Neural Networks for Drug-Protein Binding Structure Prediction |
|---|---|
| GPU 硬件门槛 | GPU 推荐（8GB+） |
| 核心能力 | 三角感知盲对接 |
| 许可证 | MIT |
git clone https://github.com/luwei0917/TankBind
cd TankBind
conda create -n tankbind python=3.8 -y
conda activate tankbind
pip install torch torch-geometric rdkit-pypi
pip install -r requirements.txt基于蛋白口袋的 3D 分子生成 —— 以口袋几何为条件生成配体，用于从头结构导向药物设计（SBDD）。上海交大出品。
| 官方发表 | ICML 2022 · Pocket2Mol: Efficient Molecular Sampling Based on 3D Protein Pockets |
|---|---|
| GPU 硬件门槛 | GPU 推荐（8GB+） |
| 核心能力 | 口袋条件 3D 分子生成（SBDD） |
| 许可证 | MIT |
git clone https://github.com/pengxingang/Pocket2Mol
cd Pocket2Mol
conda env create -f env.yml
conda activate pocket2molpython sample_drug.py --config configs/sample.yml --outdir ./outputs --device cuda靶点感知分子扩散生成 —— 以蛋白口袋为条件，在 3D 空间中扩散生成原子坐标和元素类型，ICML 2023 出品。
| 官方发表 | ICML 2023 · 3D Equivariant Diffusion for Target-Aware Molecule Generation and Affinity Prediction |
|---|---|
| GPU 硬件门槛 | GPU 推荐（8GB+） |
| 核心能力 | 靶点条件 3D 分子生成 |
| 许可证 | MIT |
git clone https://github.com/guanjq/targetdiff
cd targetdiff
conda env create -f environment.yml
conda activate targetdiffpython scripts/sample_diffusion.py configs/sampling.yml --data_id 0 -n 100 --device cuda:0基于 CNN 打分的分子对接框架 —— 在 AutoDock-Vina 之上替换为卷积神经网络打分函数，姿态精度和虚拟筛选效果大幅提升，CPU 可跑。
| 官方发表 | J Cheminformatics 2021 · GNINA 1.0: molecular docking with deep learning |
|---|---|
| GPU 硬件门槛 | CPU 可跑；GPU 加速 CNN 打分 |
| 核心能力 | CNN 打分分子对接，优于传统 Vina |
| 许可证 | Apache-2.0 |
wget https://github.com/gnina/gnina/releases/latest/download/gnina
chmod +x gnina./gnina -r receptor.pdb -l ligand.sdf --autobox_ligand ligand.sdf -o docked.sdf --scoring gnina优化推理效率的蛋白语言模型 —— 参数量小但性能比肩 ESM-2 650M，是嵌入提取效率最高的选项之一，HuggingFace 直取。ElnaggarLab / TUM 出品。
| 官方发表 | arXiv 2023 · Ankh: Optimized Protein Language Model Unlocks General-Purpose Modelling |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 加速 |
| 核心能力 | 高效蛋白嵌入提取，下游结构/功能预测 |
| 许可证 | MIT |
pip install ankhimport ankh
model, tokenizer = ankh.load_large_model()
model.eval()
sequences = ["MKTAYIAKQRQISFVKSHFSRQLEERLGLIEVQAPILSRVGDGTQDNLSGAEKAVQVKVKALPDAQFEVVHSLAKWKRQTLGQHDFSAGEGLYTHMKALRPDEDRLSPLHSVYVDQWDWERVMGDGERQFSTLKSTVEAIWAGIKATEAAVSEEFGLAPFLPDQIHFVHSQELLSRYPDLDAKGRERAIAKDLGAVFLVGIGGKLSDGHRHDVRAPDYDDWSTPSELGHAGLNGDILVWNPVLEDAFELSSMGIRVDADTLKHQLALTGDEDRLELEWHQALLRGEMPQTIGGGIGQSRLTMLLLQLPHIGQVQAGVWPAAVRESVPSLL"]
outputs, contacts = ankh.get_outputs(model, tokenizer, sequences)
embeddings = outputs.last_hidden_state # [1, L, 1536]双向蛋白序列-结构翻译 T5 模型 —— 学习氨基酸序列 ↔ Foldseek 3Di 结构词元的互译，实现结构感知特征提取。RostLab 出品。
| 官方发表 | bioRxiv 2023 · ProstT5: Bilingual Language Model for Protein Sequence and Structure |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 加速 |
| 核心能力 | 序列→结构词元预测，结构感知嵌入 |
| 许可证 | MIT |
pip install transformers sentencepiecefrom transformers import T5Tokenizer, T5EncoderModel
import torch
tokenizer = T5Tokenizer.from_pretrained("Rostlab/ProstT5", do_lower_case=False)
model = T5EncoderModel.from_pretrained("Rostlab/ProstT5")
# AA 序列转 3Di
seq = "MAEGEITTFTALTEKFNLPPGNYKKPKLLYCSNGGHFLRILPDGTVDGTRDRSDQHIQLQLSAESVGEVYIKSTETGQYLAMDTSGLLYGSQTPNEECLFLERLEENHYNTYTSKKHAEKNWFVGLKKNGSCKRGPRTHYGQKAILFLPLPV"
ids = tokenizer([seq], add_special_tokens=True, padding="longest", return_tensors="pt")
with torch.no_grad():
embedding = model(input_ids=ids.input_ids, attention_mask=ids.attention_mask)
print(embedding.last_hidden_state.shape)全局-局部注意力蛋白预训练模型 —— 同时捕捉局部残基级和全局序列级信息，在二级结构/定位/变体效应等任务上效果优秀。Tel Aviv U 出品。
| 官方发表 | Bioinformatics 2022 · ProteinBERT: a universal deep-learning model of protein sequence and function |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 加速 |
| 核心能力 | 蛋白全局-局部嵌入，多下游任务微调 |
| 许可证 | MIT |
pip install protein-bertfrom proteinbert import load_pretrained_model
from proteinbert.conv_and_global_attention_model import get_model_with_hidden_layers_as_outputs
pretrained_model_generator, input_encoder = load_pretrained_model()
model = get_model_with_hidden_layers_as_outputs(pretrained_model_generator.create_model(512))
seqs = ["MKTAYIAKQRQISFVK"]
encoded_x = input_encoder.encode_X(seqs, 512)
local_repr, global_repr = model.predict(encoded_x)蛋白 Transformer 大家族 —— 包含 ProtBERT / ProtAlbert / ProtXLNet / ProtT5 等多种架构，全部 HuggingFace 直取，RostLab 系统性预训练工作。
| 官方发表 | IEEE TPAMI 2021 · ProtTrans: Toward Understanding the Language of Life Through Self-Supervised Learning |
|---|---|
| GPU 硬件门槛 | CPU 可跑小模型（ProtBERT）；ProtT5-XL 需 8GB+ VRAM |
| 核心能力 | 多架构蛋白序列嵌入，二级结构/定位等下游任务 |
| 许可证 | MIT |
pip install transformers sentencepiecefrom transformers import BertModel, BertTokenizer
import torch, re
tokenizer = BertTokenizer.from_pretrained("Rostlab/prot_bert", do_lower_case=False)
model = BertModel.from_pretrained("Rostlab/prot_bert")
seq = "M A K T A Y I A K Q" # 用空格分隔氨基酸
enc = tokenizer(seq, return_tensors="pt")
with torch.no_grad():
out = model(**enc)
print(out.last_hidden_state.shape) # [1, L+2, 1024]零样本蛋白质变体效应预测专属模型 —— 通过掩码建模的 log-likelihood 差值打分突变效应，单点突变/多点突变皆适用，无需 MSA。Meta FAIR 出品。
| 官方发表 | PNAS 2021 · Language models enable zero-shot prediction of the effects of mutations on protein function |
|---|---|
| GPU 硬件门槛 | CPU 可跑；GPU 加速 |
| 核心能力 | 零样本突变效应预测（log-likelihood 打分） |
| 许可证 | MIT |
pip install fair-esmimport esm
import torch
# ESM-1v 有 5 个 ensemble 模型
model, alphabet = esm.pretrained.esm1v_t33_650M_UR90S_1()
batch_converter = alphabet.get_batch_converter()
model.eval()
data = [("protein1", "MKTAYIAKQRQISFVKSHFSRQLEERLGLIEVQAP")]
_, _, tokens = batch_converter(data)
with torch.no_grad():
results = model(tokens, repr_layers=[33])
# 计算 masked log-likelihood 打分突变效应多物种 DNA 基础模型 —— 用 BPE 分词替代 k-mer，跨物种迁移性强，UIUC 出品，HuggingFace 直取。
| 官方发表 | arXiv 2023 · DNABERT-2: Efficient Foundation Model and Benchmark For Multi-Species Genome |
|---|---|
| GPU 硬件门槛 | GPU 推荐（8GB+） |
| 核心能力 | 多物种 DNA 表征，变异效应，调控元件预测 |
| 许可证 | Apache-2.0 |
pip install transformers torchfrom transformers import AutoTokenizer, AutoModel
import torch
tokenizer = AutoTokenizer.from_pretrained("zhihan1996/DNABERT-2-117M", trust_remote_code=True)
model = AutoModel.from_pretrained("zhihan1996/DNABERT-2-117M", trust_remote_code=True)
dna = "ACGTAGCATCGGATCGCATGCTAGCTAGC"
inputs = tokenizer(dna, return_tensors="pt")
with torch.no_grad():
hidden = model(**inputs)[0] # [1, L, 768]
embedding = torch.mean(hidden[0], dim=0) # 序列级嵌入长程基因组序列功能预测 —— 约 524kb 输入窗口，预测 RNA 转录丰度、ATAC-seq 等多组学信号，Calico/Google 出品。
| 官方发表 | Nature Genetics 2024 · Predicting RNA-seq coverage from DNA sequence as a unifying model of gene regulation |
|---|---|
| GPU 硬件门槛 | 16GB+ VRAM 推荐 |
| 核心能力 | 长程多组学（RNA/ATAC/ChIP）信号预测，变异效应 |
| 许可证 | Apache-2.0 |
git clone https://github.com/calico/borzoi
cd borzoi
pip install -e ".[tensorflow]"
# 或 PyTorch 版：pip install -e ".[torch]"borzoi_sed.py --rc --shifts "1,0,-1" -f human/sequences.bed -g human/genomes.txt -o output_dir/ params.json model_file.h5 variants.vcf多尺度基因组染色质三维互作预测 —— 从 DNA 序列直接预测 Hi-C / micro-C 信号，支持 1bp 到 Mb 多分辨率。UCSD GreenLab 出品。
| 官方发表 | Nature Methods 2022 · Sequence-to-sequence genome-scale chromatin interaction prediction |
|---|---|
| GPU 硬件门槛 | 8GB+ VRAM |
| 核心能力 | Hi-C / micro-C 多尺度预测，SV 效应评估 |
| 许可证 | MIT |
pip install selene-sdk orca-genomeimport orca_pytorch as orca
# 预测 chr1:1000000-2000000 的多尺度接触图
pred = orca.predict_region("hg38", "chr1", 1000000, 2000000)
print(pred.keys()) # 不同分辨率的接触预测矩阵全基因组序列功能框架 —— 预测 21,907 个序列类别（组蛋白标记 + 染色质可及性 + TF 结合），提供 noncoding 变异综合功能评分。Princeton Lewis-Sigler 出品。
| 官方发表 | Nature Genetics 2022 · A sequence-based global map of regulatory activity for deciphering human genetics |
|---|---|
| GPU 硬件门槛 | 8GB+ VRAM |
| 核心能力 | 全基因组功能预测，noncoding 变异优先级 |
| 许可证 | MIT |
git clone https://github.com/FunctionLab/sei-framework
cd sei-framework
pip install -r requirements.txtbash download_data.sh
python sei_predict.py --vcf variants.vcf --ref hg38.fa --out output_dir/深度学习预测变异的染色质效应 —— 首个将深度学习用于 noncoding 变异效应预测的经典模型。Nature Methods 2015，Troyanskaya 组出品，仍是功能基因组学基准。
| 官方发表 | Nature Methods 2015 · Predicting effects of noncoding variants with deep learning–based sequence model |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 加速 |
| 核心能力 | 919 类染色质特征预测，变异效应打分 |
| 在线服务 | 提供网页服务器（deepsea.princeton.edu） |
pip install selene-sdk# 下载 DeepSEA 权重（Selene 格式）
wget https://zenodo.org/record/3402403/files/deepsea.pth
# Python 调用
import selene_sdk
# 参考官方 selene 示例脚本（deepsea_predict.py）单碱基分辨率多物种基因组调控预测 —— CNN + 注意力预测多组织 CAGE 等转录信号，Enformer 的前身。DeepMind 出品，Apache-2.0 开源。
| 官方发表 | Genome Research 2018 · Leveraging information across all regulatory elements via sequence-based neural networks |
|---|---|
| GPU 硬件门槛 | GPU 推荐（TensorFlow） |
| 核心能力 | 多组织调控活性预测（CAGE、DNase、ChIP），变异效应 |
| 许可证 | Apache-2.0 |
git clone https://github.com/calico/basenji
cd basenji
pip install -e ".[tf]"basenji_sad.py --rc --shifts "1,0,-1" -f data/hg38.ml.fa -o output_dir/ params.json model.h5 variants.vcf双向 Mamba DNA 基础模型 —— RC（反向互补）等变设计保证正反链一致性，线性复杂度处理超长基因组上下文。Princeton 出品，Apache-2.0。
| 官方发表 | arXiv 2024 · Caduceus: Bi-Directional Equivariant Long-Range DNA Sequence Modeling |
|---|---|
| GPU 硬件门槛 | GPU 推荐（8GB+），支持长序列 |
| 核心能力 | 双向 Mamba DNA 表征，超长上下文，RC-等变 |
| 许可证 | Apache-2.0 |
pip install mamba-ssm causal-conv1d
git clone https://github.com/kuleshov-group/caduceus
cd caduceus && pip install -e .from transformers import AutoModelForMaskedLM, AutoTokenizer
import torch
tokenizer = AutoTokenizer.from_pretrained("kuleshov-group/caduceus-ph_seqlen-131k_d_model-256_n_layer-16", trust_remote_code=True)
model = AutoModelForMaskedLM.from_pretrained("kuleshov-group/caduceus-ph_seqlen-131k_d_model-256_n_layer-16", trust_remote_code=True)
dna_seq = "ACGTACGT" * 100
inputs = tokenizer(dna_seq, return_tensors="pt")
outputs = model(**inputs, output_hidden_states=True)
embeddings = outputs.hidden_states[-1]基因组预训练网络 —— 无监督全基因组掩码建模，通过序列 log-likelihood 差对 noncoding 变异优先级排序，Arabidopsis → 人类可迁移。MIT 出品。
| 官方发表 | PNAS 2023 · Genomic language model predicts protein-coding and non-coding functions |
|---|---|
| GPU 硬件门槛 | GPU 推荐（8GB+） |
| 核心能力 | noncoding 变异优先级，调控元件功能预测 |
| 许可证 | MIT |
pip install gpn-msagpn-msa compute_scores --model songlab-pl/gpn-msa-sapiens --vcf variants.vcf --genome hg38.fa --output scores.tsvRNA 三维结构端到端预测 —— 单序列即可，无需 MSA，支持长链 ncRNA 全原子结构预测。AI²BMD / 北京大学出品。
| 官方发表 | Nature Methods 2024 · Accurate RNA 3D structure prediction using a language model-based deep learning approach |
|---|---|
| GPU 硬件门槛 | GPU 推荐（8GB+） |
| 核心能力 | RNA 3D 结构（全原子）预测 |
| 许可证 | MIT |
git clone https://github.com/ml4bio/RhoFold
cd RhoFold
conda create -n rhofold python=3.9 -y
conda activate rhofold
pip install -r requirements.txtpython inference.py --input_fas rna.fasta --output_dir ./outputs --ckpt pretrained/model.pt多任务 RNA 二级结构预测 —— 通过 EteRNA 众包实验数据训练多任务模型，参数化和精度超越 ViennaRNA/RNAfold。Stanford Das lab 出品。
| 官方发表 | Nature Methods 2022 · EternaFold: a multitask neural network for RNA secondary structure prediction |
|---|---|
| GPU 硬件门槛 | CPU 可跑 |
| 核心能力 | RNA 二级结构预测，多实验数据联合训练 |
| 许可证 | MIT |
pip install arnie
# EternaFold 二进制会自动下载from arnie.mfe import mfe
seq = "GGGAAACCC"
structure = mfe(seq, package="eternafold")
print(structure) # 点括号表示法核苷酸级 RNA 表征预训练模型 —— 专为 ncRNA 功能分类与结构对齐设计，在 RNAcentral 上预训练，NAIST 出品。
| 官方发表 | NAR Genomics 2022 · Informative RNA-base embedding for functional RNA structural alignment and clustering |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 加速 |
| 核心能力 | ncRNA 功能分类，RNA 结构对齐 |
| 许可证 | MIT |
git clone https://github.com/mana438/RNABERT
cd RNABERT
pip install -r requirements.txtpython extract_embedding.py --input rna_sequences.fasta --output embeddings.npy --model pretrained/RNABERT.pth蛋白-核酸复合物结构预测 —— RoseTTAFold 扩展到 DNA/RNA，预测蛋白-RNA / 蛋白-DNA 复合物三维结构。Baker 组出品。
| 官方发表 | Science 2023 · Accurate prediction of protein-nucleic acid complexes using RoseTTAFoldNA |
|---|---|
| GPU 硬件门槛 | 16GB+ VRAM |
| 核心能力 | 蛋白-DNA/RNA 复合物结构预测 |
| 许可证 | MIT |
git clone https://github.com/uw-ipd/RoseTTAFold-NA
cd RoseTTAFold-NA
conda env create -f rf_na.yml
conda activate RF_NAwget http://files.ipd.uw.edu/pub/RF-NA/weights/RF-NA-nov22.pt -P weights/python run_RF-NA.py --protein protein.fasta --rna rna.fasta --out outputs/深度学习 RNA 二级结构与三级接触预测 —— 基于两步半监督迁移学习，预测精度超越传统热力学方法，QUT 出品。
| 官方发表 | Nature Communications 2019 · SPOT-RNA: RNA secondary structure prediction using an ensemble of two-dimensional deep neural networks |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 推荐 |
| 核心能力 | RNA 二级结构 + 三级接触对预测 |
git clone https://github.com/jaswindersingh2/SPOT-RNA
cd SPOT-RNA
conda create -n spotrna python=3.6 -y
conda activate spotrna
pip install -r requirements.txtpython SPOT-RNA.py --inputs rna.fasta --outputs ./outputsRNA 结构探测（DMS/2A3）概率预测 —— 利用化学探测信号预测每个碱基可及性，Stanford Kaggle 竞赛冠军模型，MIT 开源。
| 官方来源 | Stanford Das Lab，Ribonanza Kaggle 竞赛冠军（2023） |
|---|---|
| GPU 硬件门槛 | GPU 推荐（8GB+） |
| 核心能力 | DMS 和 2A3 化学探测值预测，每个碱基可及性 |
| 许可证 | MIT |
pip install ribonanzanetfrom ribonanzanet import RibonanzaNet
import torch
model = RibonanzaNet.from_pretrained()
seq = "GGGAAACCC"
# 返回 DMS 和 2A3 探测概率
dms, two_a3 = model.predict(seq)端到端可训练 RNA 二级结构预测 —— 用约束优化层作为可微分动态规划，从序列直接输出 base-pair 接触矩阵。哈佛 / 密歇根大学出品。
| 官方发表 | ICML 2020 · RNA Secondary Structure Prediction By Learning Unrolled Algorithms |
|---|---|
| GPU 硬件门槛 | CPU 可跑，GPU 推荐 |
| 核心能力 | 端到端 RNA 二级结构（base-pair 矩阵）预测 |
| 许可证 | MIT |
pip install e2efoldfrom e2efold.models import E2EFold
from e2efold.common.utils import seq2mat
import torch
model = E2EFold()
seq = "GGGAAACCC"
contact_pred = model(seq) # 返回接触概率矩阵跨数据集单细胞预训练语言模型
| 开发方 | Peking University |
| 类别 | 单细胞 |
| 许可证 | Apache 2.0 |
| 显存需求 | 16GB+ GPU |
| 核心任务 | 单细胞表达建模、批次整合 |
| 论文/来源 | arXiv 2023 |
conda create -n cellplm python=3.9 -y
conda activate cellplmgit clone https://github.com/OmicsML/CellPLM.git
cd CellPLM
pip install -r requirements.txt
pip install -e .# 从仓库 README 提供的链接下载 checkpoint 到 ./ckpt/python tutorials/cell_embedding_tutorial.py推荐使用 tutorials 目录下的 notebook 逐步运行
基于 Performer 架构的单细胞 BERT 模型
| 开发方 | Tencent AI Lab |
| 类别 | 单细胞 |
| 许可证 | MIT |
| 显存需求 | 12GB+ GPU |
| 核心任务 | 细胞类型注释 |
| 论文/来源 | Nature Machine Intelligence 2022 |
conda create -n scbert python=3.8 -y
conda activate scbertgit clone https://github.com/TencentAILabHealthcare/scBERT.git
cd scBERT
pip install -r requirements.txt# 从仓库提供的 Google Drive/百度网盘链接下载 panglao_pretrain.pthpython finetune.py --data_path ./data/your_data.h5ad --model_path ./panglao_pretrain.pth通用基因表达转换预测模型
| 开发方 | Ma Lab |
| 类别 | 单细胞 |
| 许可证 | MIT |
| 显存需求 | 16GB+ GPU |
| 核心任务 | 顺式调控元件与表达预测 |
| 论文/来源 | Nature 2024 |
conda create -n get-model python=3.10 -y
conda activate get-modelgit clone https://github.com/GET-Foundation/get_model.git
cd get_model
pip install -e .# 参考仓库 docs/ 下的数据下载脚本
bash download_data.shget_model predict --config configs/inference.yaml跨物种基因调控网络基础模型
| 开发方 | 华大基因/BGI |
| 类别 | 单细胞 |
| 许可证 | Apache 2.0 |
| 显存需求 | 24GB+ GPU |
| 核心任务 | 跨物种基因调控推断 |
| 论文/来源 | Cell Research 2024 |
conda create -n genecompass python=3.9 -y
conda activate genecompassgit clone https://github.com/xCompass-AI/GeneCompass.git
cd GeneCompass
pip install -r requirements.txt# 从仓库 Releases/网盘下载 checkpoint 到 ./checkpoints/python finetune.py --task cell_type_annotation --ckpt ./checkpoints/genecompass.pt基于 Transformer 的单细胞基因排序生成模型
| 开发方 | St. Jude Children's Research Hospital |
| 类别 | 单细胞 |
| 许可证 | MIT |
| 显存需求 | 8GB+ GPU |
| 核心任务 | 细胞嵌入与轨迹推断 |
| 论文/来源 | iScience 2022 |
conda create -n tgpt python=3.8 -y
conda activate tgptgit clone https://github.com/deepomicslab/tGPT.git
cd tGPT
pip install -r requirements.txt# 参考 README 下载 tGPT 预训练权重python get_embedding.py --input data/expr.csv --model_path ./tgpt.pt --output embedding.csv大规模分子表示学习 Transformer
| 开发方 | IBM Research |
| 类别 | 小分子/药物 |
| 许可证 | Apache 2.0 |
| 显存需求 | 8GB+ GPU |
| 核心任务 | 分子性质预测、分子嵌入 |
| 论文/来源 | Nature Machine Intelligence 2022 |
conda create -n molformer python=3.8 -y
conda activate molformergit clone https://github.com/IBM/molformer.git
cd molformer
pip install -r requirements.txt# 从仓库提供链接下载 checkpoint 至 ./data/Pretrained MoLFormer/python finetune/finetune_pubchem_light.py --config configs/finetune.yaml面向分子性质预测的 BERT 类模型
| 开发方 | Hugging Face/DeepChem |
| 类别 | 小分子/药物 |
| 许可证 | MIT |
| 显存需求 | 6GB+ GPU |
| 核心任务 | 分子性质预测 |
| 论文/来源 | arXiv 2020/2022 |
conda create -n chemberta python=3.9 -y
conda activate chembertapip install transformers deepchem rdkit-pypi torchpython -c "from transformers import AutoModel, AutoTokenizer; m=AutoModel.from_pretrained('DeepChem/ChemBERTa-77M-MLM'); t=AutoTokenizer.from_pretrained('DeepChem/ChemBERTa-77M-MLM')"python examples/finetune_classification.py --dataset bbbp.csv强化学习驱动的分子生成框架
| 开发方 | AstraZeneca/MolAI |
| 类别 | 小分子/药物 |
| 许可证 | Apache 2.0 |
| 显存需求 | 8GB+ GPU |
| 核心任务 | 从头分子设计、骨架跃迁 |
| 论文/来源 | J. Cheminformatics 2024 |
conda create -n reinvent4 python=3.10 -y
conda activate reinvent4git clone https://github.com/MolecularAI/REINVENT4.git
cd REINVENT4
pip install -r requirements-linux-64.lock
pip install -e .# priors 目录下已包含常用 prior 模型（如 reinvent.prior）reinvent -l sampling.log config/reinforcement_learning.toml基于扩散模型的分子2D/3D联合生成
| 开发方 | 清华大学 |
| 类别 | 小分子/药物 |
| 许可证 | MIT |
| 显存需求 | 12GB+ GPU |
| 核心任务 | 分子从头生成 |
| 论文/来源 | ICML 2023 |
conda create -n moldiff python=3.9 -y
conda activate moldiffgit clone https://github.com/pengxingang/MolDiff.git
cd MolDiff
pip install -r requirements.txt# 从 Releases 下载 ckpt 放入 ./ckpt/python sample.py --config configs/sample.yml --outdir outputs/对比学习驱动的虚拟筛选模型
| 开发方 | AI4Science |
| 类别 | 小分子/药物 |
| 许可证 | MIT |
| 显存需求 | 12GB+ GPU |
| 核心任务 | 口袋-配体虚拟筛选 |
| 论文/来源 | NeurIPS 2023 |
conda create -n drugclip python=3.9 -y
conda activate drugclipgit clone https://github.com/bowen-gao/DrugCLIP.git
cd DrugCLIP
pip install -r requirements.txt# 参考 README 提供的链接下载 checkpointpython screening.py --pocket_pdb target.pdb --ligand_library library.sdf3D几何信息增强的分子图预训练模型
| 开发方 | Mila |
| 类别 | 小分子/药物 |
| 许可证 | MIT |
| 显存需求 | 8GB+ GPU |
| 核心任务 | 分子属性预测、表示学习 |
| 论文/来源 | ICLR 2022 |
conda create -n graphmvp python=3.7 -y
conda activate graphmvpgit clone https://github.com/chao1224/GraphMVP.git
cd GraphMVP
pip install -r requirements.txt# 从仓库提供的 Google Drive 链接下载 pretraining_model.pthpython src_classification/finetune.py --input_model_file pretraining_model.pth --dataset bace基于 SMILES 的分子 BERT 表示模型
| 开发方 | BenevolentAI |
| 类别 | 小分子/药物 |
| 许可证 | MIT |
| 显存需求 | 6GB+ GPU |
| 核心任务 | 分子性质预测 |
| 论文/来源 | arXiv 2020 |
conda create -n molbert python=3.7 -y
conda activate molbertgit clone https://github.com/BenevolentAI/MolBERT.git
cd MolBERT
pip install -e .# 从仓库 README 链接下载 checkpoint.ckptpython molbert/apps/finetune.py --pretrained_model_path checkpoint.ckpt --data_path data.csv化学反应指纹表示学习模型
| 开发方 | IBM Research |
| 类别 | 小分子/药物 |
| 许可证 | MIT |
| 显存需求 | 4GB+ GPU |
| 核心任务 | 反应分类、反应表示 |
| 论文/来源 | Nature Machine Intelligence 2021 |
conda create -n rxnfp python=3.6 -y
conda activate rxnfppip install rxnfppython -c "from rxnfp.transformer_fingerprints import get_default_model_and_tokenizer; get_default_model_and_tokenizer()"python -c "from rxnfp.transformer_fingerprints import RXNBERTFingerprintGenerator, get_default_model_and_tokenizer; m,t=get_default_model_and_tokenizer(); rxnfp=RXNBERTFingerprintGenerator(m,t); print(rxnfp.convert('CCO.CC(=O)O>>CCOC(C)=O'))"统一分子3D表示预训练框架工具包
| 开发方 | DP Technology |
| 类别 | 小分子/药物 |
| 许可证 | MIT |
| 显存需求 | 12GB+ GPU |
| 核心任务 | 分子性质预测、构象生成、口袋预测 |
| 论文/来源 | ICLR 2023 |
conda create -n unimol python=3.9 -y
conda activate unimolpip install unimol_tools --upgradepython -c "from unimol_tools import MolTrain; MolTrain(task='regression', data_type='molecule')"python -c "from unimol_tools import MolPredict; clf = MolPredict(load_model='./exp'); clf.predict(data='test.csv')"基于 GPT 的条件分子生成模型
| 开发方 | IIT Delhi |
| 类别 | 小分子/药物 |
| 许可证 | MIT |
| 显存需求 | 6GB+ GPU |
| 核心任务 | 条件分子生成 |
| 论文/来源 | J. Chem. Inf. Model. 2021 |
conda create -n molgpt python=3.7 -y
conda activate molgptgit clone https://github.com/devalab/molgpt.git
cd molgpt
pip install -r requirements.txt# 参考仓库提供链接下载权重到 ./weights/python generate/generate.py --model_weight weights/model.pt --props logp,qed --num_samples 100基于图卷积网络的蛋白质功能预测
| 开发方 | Flatiron Institute |
| 类别 | 蛋白质功能 |
| 许可证 | BSD-3 |
| 显存需求 | 8GB+ GPU |
| 核心任务 | 蛋白质功能（GO）预测 |
| 论文/来源 | Nature Communications 2021 |
conda create -n deepfri python=3.7 -y
conda activate deepfrigit clone https://github.com/flatironinstitute/DeepFRI.git
cd DeepFRI
pip install -r requirements.txtwget https://users.flatironinstitute.org/~renfrew/DeepFRI_data/newest_trained_models.tar.gz
tar -xvzf newest_trained_models.tar.gzpython predict.py --pdb_dir examples/pdb_files/ -ont mf --model_config trained_models/model_config.json深度学习蛋白质相互作用预测模型
| 开发方 | 学术开源 |
| 类别 | 蛋白质功能 |
| 许可证 | MIT |
| 显存需求 | 6GB+ GPU |
| 核心任务 | 蛋白质-蛋白质相互作用预测 |
| 论文/来源 | J. Chem. Inf. Model. 2017 |
conda create -n deepppi python=3.8 -y
conda activate deepppigit clone https://github.com/hashemifar/DPPI.git
cd DPPI
pip install -r requirements.txt# 使用 PSI-BLAST 生成 PSSM 特征文件，参考仓库脚本 gen_pssm.shpython predict.py --pair_list pairs.txt --pssm_dir pssm/序列驱动的蛋白质GO功能预测
| 开发方 | KAUST |
| 类别 | 蛋白质功能 |
| 许可证 | BSD-3 |
| 显存需求 | 6GB+ GPU |
| 核心任务 | GO 功能注释 |
| 论文/来源 | Bioinformatics 2020 |
conda create -n deepgoplus python=3.8 -y
conda activate deepgoplusgit clone https://github.com/bio-ontology-research-group/deepgoplus.git
cd deepgoplus
pip install -r requirements.txtbash download_data.shpython predict.py -if data/test_sequences.fasta -of results.tsv酶动力学参数（kcat/Km/Ki）预测模型
| 开发方 | MIT |
| 类别 | 蛋白质功能 |
| 许可证 | MIT |
| 显存需求 | 8GB+ GPU |
| 核心任务 | 酶动力学参数预测 |
| 论文/来源 | Nature Communications 2025 |
conda create -n catpred python=3.9 -y
conda activate catpredgit clone https://github.com/maranasgroup/CatPred.git
cd CatPred
pip install -r requirements.txt# 参考 README 中的模型下载脚本
bash scripts/download_models.shpython predict.py --input examples/input.csv --parameter kcat --output results.csv深度学习剪接位点预测模型
| 开发方 | Illumina |
| 类别 | 蛋白质功能 |
| 许可证 | GPL-3.0 |
| 显存需求 | 4GB+ GPU（可CPU） |
| 核心任务 | 剪接位点/变异影响预测 |
| 论文/来源 | Cell 2019 |
conda create -n spliceai python=3.9 -y
conda activate spliceaipip install spliceai
pip install tensorflowwget https://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz
gunzip hg38.fa.gzspliceai -I input.vcf -O output.vcf -R hg38.fa -A grch38蛋白质突变稳定性变化预测模型
| 开发方 | 华中科技大学 |
| 类别 | 蛋白质功能 |
| 许可证 | 学术免费使用 |
| 显存需求 | 4GB+ GPU（可CPU） |
| 核心任务 | 突变ΔΔG稳定性预测 |
| 论文/来源 | J. Chem. Inf. Model. 2019 |
conda create -n deepddg python=3.7 -y
conda activate deepddg# DeepDDG 主要以网页服务器形式提供，命令行版本可从作者主页申请
# http://protein.org.cn/ddg.html# 准备PDB结构文件与突变列表 (chain, position, wt_aa, mut_aa)python deepddg_predict.py --pdb structure.pdb --mutation_list mutations.txt生物医学图文对比学习多模态模型
| 开发方 | Microsoft Research |
| 类别 | 多模态 |
| 许可证 | MIT |
| 显存需求 | 12GB+ GPU |
| 核心任务 | 生物医学图像-文本检索/分类 |
| 论文/来源 | NEJM AI 2024 |
conda create -n biomedclip python=3.9 -y
conda activate biomedclippip install open_clip_torch transformerspython -c "import open_clip; model, preprocess = open_clip.create_model_from_pretrained('hf-hub:microsoft/BiomedCLIP-PubMedBERT_256-vit_base_patch16_224')"python examples/zero_shot_classification.py --image path/to/image.png --labels labels.txt利用NCBI工具的基因组学问答代理模型
| 开发方 | University of Virginia |
| 类别 | 多模态 |
| 许可证 | MIT |
| 显存需求 | 无需GPU（API为主） |
| 核心任务 | 基因组学工具增强问答 |
| 论文/来源 | Bioinformatics 2024 |
conda create -n genegpt python=3.9 -y
conda activate genegptgit clone https://github.com/ncbi/GeneGPT.git
cd GeneGPT
pip install -r requirements.txtexport OPENAI_API_KEY=your_key_herepython api_call.py --task GeneTuring --output results/蛋白质序列-文本联合预训练模型
| 开发方 | MilaGraph |
| 类别 | 多模态 |
| 许可证 | MIT |
| 显存需求 | 16GB+ GPU |
| 核心任务 | 蛋白质功能理解、零样本分类 |
| 论文/来源 | ICML 2023 |
conda create -n protst python=3.9 -y
conda activate protstgit clone https://github.com/DeepGraphLearning/ProtST.git
cd ProtST
pip install torch torchdrug transformers# 从仓库 README 提供的链接下载 ProtST 系列 checkpointpython script/run_downstream.py -c config/downstream/zero_shot_classification.yaml面向分子与蛋白质的指令微调数据与模型
| 开发方 | 浙江大学 |
| 类别 | 多模态 |
| 许可证 | CC BY 4.0 |
| 显存需求 | 16GB+ GPU |
| 核心任务 | 分子/蛋白质指令理解与生成 |
| 论文/来源 | ICLR 2024 |
conda create -n molinstruct python=3.10 -y
conda activate molinstructgit clone https://github.com/zjunlp/Mol-Instructions.git
cd Mol-Instructions
pip install -r requirements.txt# 数据集见 HuggingFace: zjunlp/Mol-Instructions
# 基座模型使用 LLaMA 系列，需自行申请权重python finetune.py --base_model llama-7b --data_path Mol-Instructions/data --output_dir ./checkpoints面向生物医学文本的生成式预训练语言模型
| 开发方 | Microsoft Research |
| 类别 | 多模态 |
| 许可证 | MIT |
| 显存需求 | 8GB+ GPU |
| 核心任务 | 生物医学文本生成、关系抽取、问答 |
| 论文/来源 | Briefings in Bioinformatics 2022 |
conda create -n biogpt python=3.9 -y
conda activate biogptpip install transformers sacremosespython -c "from transformers import BioGptTokenizer, BioGptForCausalLM; t=BioGptTokenizer.from_pretrained('microsoft/biogpt'); m=BioGptForCausalLM.from_pretrained('microsoft/biogpt')"python examples/generate.py --prompt "COVID-19 is" --max_length 100面向化学分子生成的GPT类模型
| 开发方 | NCCR Catalysis/Amazon |
| 类别 | 多模态 |
| 许可证 | MIT |
| 显存需求 | 8GB+ GPU |
| 核心任务 | 分子生成 |
| 论文/来源 | OpenReview/NCCR 2022 |
conda create -n chemgpt python=3.9 -y
conda activate chemgptpip install transformers selfies torchpython -c "from transformers import AutoModelForCausalLM, AutoTokenizer; m=AutoModelForCausalLM.from_pretrained('ncfrey/ChemGPT-4.7M'); t=AutoTokenizer.from_pretrained('ncfrey/ChemGPT-4.7M')"python generate.py --model ncfrey/ChemGPT-4.7M --num_samples 50面向治疗药物研发的通用基础模型
| 开发方 | Google DeepMind |
| 类别 | 多模态 |
| 许可证 | Gemma License |
| 显存需求 | 16GB+ GPU |
| 核心任务 | 药物性质预测、临床试验结果预测、对话式分析 |
| 论文/来源 | arXiv 2025 |
conda create -n txgemma python=3.10 -y
conda activate txgemmapip install transformers accelerate torchhuggingface-cli login
huggingface-cli download google/txgemma-9b-chatpython -c "from transformers import pipeline; p=pipeline('text-generation', model='google/txgemma-9b-chat'); print(p('Predict the BBB permeability of aspirin.'))"