AspirinCode/awesome-AI4MolConformation-MD

List of molecules (small molecules, RNA, peptide, protein, enzymes, antibody, and PPIs) conformations and molecular dynamics (force fields) using generative artificial intelligence and deep learning

解决的问题

研究分子结构和模拟的研究人员常常难以找到应用现代AI技术的相关论文、数据集和工具。该项目是一个精选列表,将这些分散的信息组织到一个地方。它收集了关于预测和模拟分子(如蛋白质、RNA、小分子和肽)的3D形状(构象)以及使用力场的分子动力学(MD)模拟的资源。该列表涵盖了传统的基于物理的方法和更新的深度学习和生成式AI方法。

工作原理

该项目是一个活跃的链接和引用仓库,按清晰的菜单分组。它从一般性综述开始,然后列出数据集和软件包。主要部分涵盖分子动力学、经典和神经力场、MD引擎、轨迹分析、可视化工具以及粗粒度MD、神经网络势和反应力场等专业主题。它还按分子类型(例如,小分子、肽、蛋白质、酶、抗体)和所用方法(例如,基于AlphaFold、基于VAE、基于扩散、基于流、基于GAN、基于Transformer)组织资源。每个条目包括标题、作者、年份以及出版物或代码/数据的链接。该列表明确标记为“更新中...”,意味着它旨在随时间增长。

适用人群

这面向研究分子结构和动力学的计算化学家、生物物理学家和机器学习研究人员。它也对关注蛋白质-配体相互作用、抗体构象或自由能计算的药物发现科学家有用。该项目帮助人们快速找到基准、训练数据集、模拟包和力场参数,用于他们自己的工作。

亮点

  • 涵盖广泛的分子类型:小分子、RNA、肽、蛋白质、酶、抗体和蛋白质-蛋白质相互作用。
  • 包括经典分子动力学和AI增强方法,如神经网络势和生成模型。
  • 按技术(扩散、GAN、VAE、Transformer等)和应用(构象动力学、自由能微扰等)组织资源。
  • 精选数据集和包列表,如DynaRepo、mdCATH、nablaDFT和MMolearn。
  • 提供论文、代码仓库和数据下载的直接链接。

相关

  • 项目
  • 项目
  • 项目
  • 项目