DL4Proteins notebooks
1.0.0
欢迎来到 DL4Proteins！
DL4Proteins 笔记本系列的目标是使蛋白质设计和预测的深度学习民主化，实现科学的变革时刻。 David Baker、Demis Hassabis 和 John Jumper 因其在计算蛋白质设计和结构预测方面的突破而荣获 2024 年诺贝尔化学奖，该资源为塑造这场革命的工具和方法提供了易于理解的实践介绍。通过将基础机器学习原理与 AlphaFold、RFDiffusion 和 ProteinMPNN 等最先进的方法相结合，DL4Proteins 为研究人员、教育工作者和学生提供了为蛋白质工程的未来做出贡献的知识。这些开源笔记本弥合了前沿研究和课堂学习之间的差距，培养了合成生物学和治疗学领域的新一代创新者。
下面的 Jupyter 笔记本介绍了目前蛋白质设计领域使用的基本机器学习概念和模型。笔记本可以在 Google Colaboratory 中运行。
**为了正确渲染图形和问题，请将 Colab 笔记本设置为浅色模式。
如果您有任何问题，请放入问题选项卡。这是一个活生生的存储库 - 我们正在积极整合反馈！
作者：Michael F. Chungyoun、Sreevarsha Puvada、Gabriel Au、Courtney Thomas、Britnie J. Carpentier、Jeffrey J. Gray
致谢：Sergey Lyskov、Sergey Ovchinnikov、约翰·霍普金斯大学 2023 年 540.614/414 蛋白质结构预测课程的学生，以及约翰·霍普金斯大学卓越教学与创新中心 - 教学增强补助金。
引文和其他资源：此存储库中的每个笔记本都从各种前沿资源中汲取灵感和方法，包括著名的在线工具、教育资源、出版物和开源存储库。主要资源包括 Harrison Kinsley、Andrej Karpathy 和 Petar Veličković 创作的 YouTube 系列。这些内容在各自的笔记本中被引用，我们鼓励用户探索这些基础工作以获得更深入的见解。
