openfold

Figure: Comparaison des prédictions ouvertes et alphafold2 à la structure expérimentale de PDB 7KDX, chaîne B.

Ouverture

Une reproduction de pytorch fidèle mais entraînable d'Alphafold 2 de Deepmind.

Documentation

Consultez notre nouvelle maison pour les documents sur Openfold.readthedocs.io, avec des instructions pour l'installation et l'inférence / la formation du modèle.

Une grande partie du contenu de cette page peut être trouvée ici.

Avis de droit d'auteur

Alors qu'Alphafold et, par extension, le code source d'OpenFold est concédé sous licence Apache permissive, version 2.0, les paramètres pré-étendus de DeepMind relèvent de la licence CC par 4.0, dont une copie est téléchargée sur openfold/resources/params par le script d'installation. Notez que ce dernier remplace la licence CC By-NC 4.0 originale et plus restrictive en janvier 2022.

Contributif

Si vous rencontrez des problèmes en utilisant ouverte, n'hésitez pas à créer un problème! Nous accueillons également les demandes de traction de la communauté.

Citant ce travail

Veuillez citer notre papier:

 @article { Ahdritz2022.11.20.517210 ,
	author = { Ahdritz, Gustaf and Bouatta, Nazim and Floristean, Christina and Kadyan, Sachin and Xia, Qinghui and Gerecke, William and O{textquoteright}Donnell, Timothy J and Berenberg, Daniel and Fisk, Ian and Zanichelli, Niccolò and Zhang, Bo and Nowaczynski, Arkadiusz and Wang, Bei and Stepniewska-Dziubinska, Marta M and Zhang, Shang and Ojewole, Adegoke and Guney, Murat Efe and Biderman, Stella and Watkins, Andrew M and Ra, Stephen and Lorenzo, Pablo Ribalta and Nivon, Lucas and Weitzner, Brian and Ban, Yih-En Andrew and Sorger, Peter K and Mostaque, Emad and Zhang, Zhao and Bonneau, Richard and AlQuraishi, Mohammed } ,
	title = { {O}pen{F}old: {R}etraining {A}lpha{F}old2 yields new insights into its learning mechanisms and capacity for generalization } ,
	elocation-id = { 2022.11.20.517210 } ,
	year = { 2022 } ,
	doi = { 10.1101/2022.11.20.517210 } ,
	publisher = { Cold Spring Harbor Laboratory } ,
	URL = { https://www.biorxiv.org/content/10.1101/2022.11.20.517210 } ,
	eprint = { https://www.biorxiv.org/content/early/2022/11/22/2022.11.20.517210.full.pdf } ,
	journal = { bioRxiv }
}

Si vous utilisez OpenProteInSet, veuillez également citer:

 @misc { ahdritz2023openproteinset ,
      title = { {O}pen{P}rotein{S}et: {T}raining data for structural biology at scale } , 
      author = { Gustaf Ahdritz and Nazim Bouatta and Sachin Kadyan and Lukas Jarosch and Daniel Berenberg and Ian Fisk and Andrew M. Watkins and Stephen Ra and Richard Bonneau and Mohammed AlQuraishi } ,
      year = { 2023 } ,
      eprint = { 2308.05326 } ,
      archivePrefix = { arXiv } ,
      primaryClass = { q-bio.BM }
}

Tout travail qui cite ouverte doit également citer Alphafold et Alphafold-Multimer le cas échéant.