DL4Proteins notebooks
1.0.0
DL4Proteins에 오신 것을 환영합니다!
DL4Proteins 노트북 시리즈의 목표는 단백질 설계 및 예측을 위한 딥 러닝을 민주화하여 과학의 변혁의 순간을 맞이하는 것입니다. 컴퓨터 단백질 설계 및 구조 예측 분야의 획기적인 공로로 David Baker, Demis Hassabis 및 John Jumper에게 2024년 노벨 화학상이 수여된 이 리소스는 이 혁명을 형성한 바로 그 도구와 방법론에 대한 접근 가능한 실습 소개를 제공합니다. DL4Proteins는 기본 기계 학습 원리와 AlphaFold, RFDiffusion 및 ProteinMPNN과 같은 최첨단 접근 방식을 결합하여 연구원, 교육자 및 학생에게 단백질 공학의 미래에 기여할 수 있는 지식을 제공합니다. 이러한 오픈 소스 노트북은 최첨단 연구와 교실 학습 간의 격차를 해소하여 합성 생물학 및 치료학 분야의 차세대 혁신가를 양성합니다.
아래 Jupyter 노트북은 현재 단백질 설계 공간에서 활용되는 기본적인 기계 학습 개념과 모델에 대한 소개를 제공합니다. Google Colaboratory에서 노트북을 실행할 수 있습니다.
**그림과 질문을 올바르게 렌더링하려면 Colab 노트북을 조명 모드로 설정하세요.
문제가 있는 경우 문제 탭에 입력하세요. 이것은 살아있는 저장소입니다. 우리는 피드백을 적극적으로 수용하고 있습니다!
저자: Michael F. Chungyoun, Sreevarsha Puvada, Gabriel Au, Courtney Thomas, Britnie J. Carpentier, Jeffrey J. Gray
감사의 글: Sergey Lyskov, Sergey Ovchinnikov, 2023년 540.614/414 단백질 구조 예측 과정의 존스 홉킨스 학생, 우수성과 혁신 교육을 위한 존스 홉킨스 센터 - 교육 강화 보조금.
인용 및 추가 리소스: 이 저장소의 각 노트북은 주요 온라인 도구, 교육 리소스, 출판물 및 오픈 소스 저장소를 포함한 다양한 최첨단 리소스에서 영감과 방법론을 얻습니다. 주요 리소스로는 Harrison Kinsley, Andrej Karpathy 및 Petar Veličković의 YouTube 시리즈가 있습니다. 이러한 내용은 해당 노트북에 인용되어 있으며 사용자가 더 깊은 통찰력을 얻기 위해 이러한 기본 작업을 탐색할 것을 권장합니다.
