BioNeMo Framework开源项目 – 加速药物发现的AI模型框架

AQEMIA是一个下一代药物科技公司，结合量子启发物理学和先进的机器学习算法，显著提升药物开发的速度和效率，旨在快速应对紧急医疗需求。

Lavo Life Sciences是一家初创企业，开发用于药物开发的软件工具。其AI加速的化学模拟帮助制药公司在原子层面预测药物分子的性质，从而加快疗法开发进程。

Intelligencia.ai 是一个利用人工智能加速药物开发过程的平台，旨在通过评估和降低风险来提升生产力和降低成本。用户可以输入药物开发数据，平台将运用先进的AI算法进行分析，为药物开发提供支持。

AMPLY Discovery是一款尖端的AI工具，旨在通过模拟自然进化过程，帮助生物制药公司和研究机构发现新药，尤其是针对癌症和耐药性感染等挑战性疾病。

FalkorDB是一款从零开始构建的图数据库，专为不愿在性能上妥协和不想牺牲数据建模的应用程序而设计。它是获取知识的最快方式。

Zephyr AI是一个旨在通过真实世界数据革新精准医疗的高级平台，特别关注肿瘤学和心脏代谢疾病领域。该平台结合先进的机器学习技术与战略医疗合作，提供可操作的洞察，优化个性化护理。

SuperAGI是一个前沿的开源框架，旨在为开发者和研究人员提供构建、管理和运行自主AI代理的基础设施。通过一系列工具、框架和模型，SuperAGI使用户能够创建复杂的AGI系统，自动化复杂任务，增强决策过程，开发能够适应和学习的智能解决方案。

PocketFlow 是一种结合化学知识结构的自回归流模型，专门用于在蛋白质口袋内生成类似药物分子的分子生成模型。该模型具有创新的生物活性分子生成能力，能够帮助研究人员更高效地发现和开发新药物，并研究蛋白质与分子之间的相互作用。

Microsoft Azure 是由微软创建的综合云计算服务，旨在通过微软管理的数据中心构建、测试、部署和管理应用程序和服务。Azure 提供 SaaS、PaaS 和 IaaS 服务，支持多种编程语言、工具和框架，帮助企业应对挑战，实现组织目标。

OpenBioMed是一个Python深度学习工具包，专注于AI驱动的生物医药研究。它提供了灵活的多模态数据处理API，涵盖分子、蛋白质、单细胞、自然语言和知识图谱等多种数据类型。OpenBioMed集成了20多种工具，支持从传统AI药物发现任务到新兴的多模态挑战的广泛应用。此外，它还提供了易于使用的接口，用于构建工作流和开发基于大语言模型（LLM）的智能代理，以解决复杂的生物医学研究任务。

Together AI是一个领先的云平台，专为生成式AI设计，提供超快、可扩展和高效的AI模型构建、部署和优化解决方案。它包含多个产品，如Together Inference、Together Fine-tuning、Together Custom Models和Together GPU Clusters，适用于个人开发者和大型企业。

SMI–TED是IBM开发的基于SMILES字符串的大型变压器编码器-解码器模型，专注于化学和材料科学研究。它预训练于PubChem的9100万SMILES样本（相当于40亿分子标记），支持分子属性预测、分子生成等任务，在量子属性预测等基准测试中表现优异。模型提供289M和8X289M两种参数规模，支持SMILES、SELFIES、3D分子图等多种表示形式，适用于学术研究和材料创新。

MolE是一个面向化学的基础模型，结合几何深度学习和Transformer架构，用于学习分子的有意义表示。该模型通过两步预训练过程：首先使用约8.42亿分子的图表示进行自监督学习，然后进行大规模多任务训练来整合生物信息。MolE可用于分子性质预测、分子嵌入计算和相似性搜索等任务，广泛应用于药物发现和化学信息学研究。

PGD-MOO（Preference-Guided Diffusion for Multi-Objective Offline Optimization）是一种通过训练偏好模型引导扩散模型生成帕累托最优且多样化的设计方案的方法，特别适用于多目标离线优化问题。该方法在超体积指标上与传统方法相当或更优，在 ∆-spread 指标上显著优于其他方法，适用于药物发现等高成本、慢反馈的场景。

AlphaFold 3是由Google DeepMind和Isomorphic Labs开发的新型AI模型，能够准确预测蛋白质、DNA、RNA、配体等的结构及其相互作用，旨在改变我们对生物世界的理解和药物发现的方式。

AIRS（Artificial Intelligence Research for Science）是由德克萨斯农工大学DIVE实验室发布的开源软件工具、数据集和基准测试的集合，旨在推动人工智能在量子物理、化学、分子模拟、药物发现和材料科学等科学领域的应用。

一项研究探讨大型语言模型（LLM）在科学发现中的表现，特别是GPT-4在多个科学领域的应用。该研究分析了GPT-4在药物发现、生物学和计算化学等领域的能力，评估其在复杂问题解决和知识整合任务中的有效性，同时进行专家驱动的案例评估和基准测试，旨在加速科学进步和优化资源配置。

MAPE-PPI 项目旨在通过微环境感知的蛋白质嵌入技术，提升蛋白质相互作用预测的有效性和效率。该项目结合了深度学习和生物信息学，能够准确预测蛋白质之间的相互作用，为生物研究和药物发现提供重要支持。

Bioptimus是一个开创性的AI工具，旨在为生物学和生物医学领域提供通用的AI基础模型，推动突破性发现和加速创新，帮助研究人员和专业人士简化复杂分析并增强预测能力。