DL4Proteins notebooks

Семинары DL4Proteins (бета-версия)

Добро пожаловать в DL4Proteins!

Цель серии блокнотов DL4Proteins — демократизировать глубокое обучение для проектирования и прогнозирования белков, приближая переломный момент в науке. Поскольку Нобелевская премия по химии 2024 года присуждена Дэвиду Бейкеру, Демису Хассабису и Джону Джамперу за прорыв в вычислительном дизайне белков и структурном предсказании, этот ресурс представляет собой доступное практическое введение в те самые инструменты и методологии, которые сформировали эту революцию. Сочетая основополагающие принципы машинного обучения с современными подходами, такими как AlphaFold, RFDiffusion и ProteinMPNN, DL4Proteins даёт исследователям, преподавателям и студентам знания, которые помогут внести свой вклад в будущее белковой инженерии. Эти блокноты с открытым исходным кодом устраняют разрыв между передовыми исследованиями и обучением в классе, способствуя появлению нового поколения новаторов в области синтетической биологии и терапии.

Приведенные ниже блокноты Jupyter знакомят с фундаментальными концепциями и моделями машинного обучения, которые в настоящее время используются в области проектирования белков. Блокноты можно запускать в Google Colaboratory.

**Чтобы рисунки и вопросы отображались правильно, переведите блокноты Colab в облегченный режим.

Оглавление

Глава 1: Нейронные сети с NumPy

Глава 2: Нейронные сети с PyTorch

Глава 3: Сверточные нейронные сети

Глава 4: Языковые модели Шекспира и белков

Глава 5: Встраивание языковой модели переносит обучение для последующих задач

Глава 6: Знакомство с AlphaFold

Глава 7: Графовые нейронные сети для белков

Глава 8: Вероятностные модели диффузии с шумоподавлением

Глава 9: Собираем все вместе — от RFDiffusion к ProteinMPNN и Alphafold

Глава 10: Введение в RFDiffusion — All Atom

Если у вас есть какие-либо проблемы, пожалуйста, поместите их во вкладку «Проблемы». Это живой репозиторий — мы активно учитываем отзывы!

Авторы: Майкл Ф. Чунгён, Шриварша Пувада, Габриэль Ау, Кортни Томас, Бритни Дж. Карпентье, Джеффри Дж. Грей

Благодарность: Сергей Лысков, Сергей Овчинников, студенты Университета Джонса Хопкинса 2023 года, курс 540.614/414 «Прогнозирование структуры белка», а также Центр педагогического мастерства и инноваций Джонса Хопкинса — грант на повышение квалификации.

Цитаты и дополнительные ресурсы. Каждая записная книжка в этом репозитории черпает вдохновение и методологии из различных передовых ресурсов, включая известные онлайн-инструменты, образовательные ресурсы, публикации и репозитории с открытым исходным кодом. Ключевые ресурсы включают сериалы YouTube Харрисона Кинсли, Андрея Карпати и Петра Величковича. Они цитируются в соответствующих блокнотах, и мы призываем пользователей изучить эти основополагающие работы для более глубокого понимания.