الملخص: لقد أحدثت طرق التعلم العميق التي تم تدريبها على قواعد بيانات بنية البروتين ثورة في توقع بنية البيومولكولات، لكن تطوير وتدريب نماذج جديدة لا يزال يمثل تحديًا كبيرًا. لتسهيل تطوير نماذج جديدة، نقدم AtomWorks: إطار بيانات قابل للتطبيق بشكل واسع لتطوير نماذج أساسية بيومولكية متطورة تشمل مهام متنوعة، بما في ذلك توقع البنية، وتصميم البروتين التوليدي، وتصميم تسلسل العمود الفقري الثابت. نستخدم AtomWorks لتدريب RosettaFold-3 (RF3)، وهي شبكة توقع البنية القادرة على توقع المجمعات البيومولكية العشوائية مع معالجة محسنة للكيريالية تضيق الفجوة في الأداء بين AlphaFold3 (AF3) المغلقة المصدر والتنفيذات مفتوحة المصدر الحالية. نتوقع أن يساعد AtomWorks في تسريع الجيل القادم من نماذج التعلم الآلي البيومولكية مفتوحة المصدر وأن تكون RF3 مفيدة بشكل واسع كأداة لتوقع البنية. لهذه الغاية، نطلق إطار AtomWorks (https://github.com/RosettaCommons/atomworks)، مع بيانات تدريب منسقة، رمز ووزن النموذج لـ RF3 (https://github.com/RosettaCommons/modelforge) بموجب ترخيص BSD مرن.
درس كورلي وآخرون (الخميس) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: