DL4Proteins notebooks
1.0.0
Willkommen bei DL4Proteins!
Das Ziel der DL4Proteins-Notizbuchreihe besteht darin, Deep Learning für Proteindesign und -vorhersage zu demokratisieren und so zu einem transformativen Moment in der Wissenschaft zu gelangen. Da der Nobelpreis für Chemie 2024 an David Baker, Demis Hassabis und John Jumper für Durchbrüche im computergestützten Proteindesign und in der Strukturvorhersage verliehen wurde, bietet diese Ressource eine leicht zugängliche, praktische Einführung in genau die Werkzeuge und Methoden, die diese Revolution geprägt haben. Durch die Kombination grundlegender Prinzipien des maschinellen Lernens mit modernsten Ansätzen wie AlphaFold, RFDiffusion und ProteinMPNN stattet DL4Proteins Forscher, Pädagogen und Studenten mit dem Wissen aus, um zur Zukunft des Protein-Engineerings beizutragen. Diese Open-Source-Notizbücher schließen die Lücke zwischen Spitzenforschung und Unterricht im Klassenzimmer und fördern eine neue Generation von Innovatoren in der synthetischen Biologie und Therapeutik.
Die folgenden Jupyter-Notizbücher bieten eine Einführung in die grundlegenden Konzepte und Modelle des maschinellen Lernens, die derzeit im Bereich des Proteindesigns verwendet werden. Notebooks können in Google Colaboratory ausgeführt werden.
**Damit Abbildungen und Fragen korrekt dargestellt werden, stellen Sie die Colab-Notizbücher bitte auf den hellen Modus ein.
Wenn Sie Probleme haben, tragen Sie diese bitte in die Registerkarte „Probleme“ ein. Dies ist ein lebendiges Repository – wir integrieren aktiv Feedback!
Autoren: Michael F. Chungyoun, Sreevarsha Puvada, Gabriel Au, Courtney Thomas, Britnie J. Carpentier, Jeffrey J. Gray
Danksagungen: Sergey Lyskov, Sergey Ovchinnikov, Johns Hopkins-Studenten des 2023 540.614/414 Protein Structure Prediction-Kurses und des Johns Hopkins Center for Teaching Excellence and Innovation – Instructional Enhancement Grant.
Zitate und zusätzliche Ressourcen: Jedes Notizbuch in diesem Repository schöpft Inspiration und Methoden aus verschiedenen hochmodernen Ressourcen, darunter bekannte Online-Tools, Bildungsressourcen, Veröffentlichungen und Open-Source-Repositories. Zu den wichtigsten Ressourcen gehören YouTube-Serien von Harrison Kinsley, Andrej Karpathy und Petar Veličković. Diese werden in ihren jeweiligen Notizbüchern zitiert, und wir ermutigen Benutzer, diese grundlegenden Werke zu erkunden, um tiefere Einblicke zu erhalten.
