1. Proteina-Complexa 介绍 蛋白质相互作用建模是蛋白质设计中的核心内容。而机器学习技术的应用彻底改变了这一领域，使其在药物研发等诸多领域都发挥了重要作用。在这种背景下，基于结构的新型配体设计方法，可以被视为一种条件生成模型，或者通过结构预测工具来实现序列优化（“hallucina

Boltzgen 安装 安装有许多方法，个人比较喜欢使用anconda版本或者docker版本，当然docker版本我更加喜欢 # Build docker build -t boltzgen . # Run an example mkdir -p workdir # output mkdir

AlphaFold3学习笔记 [持续更新中] 最简便的方式为alphafoldserver 1. 基于Docker的AlphaFold3安装 需要CUDA 12.6，Ubuntu 22.04的容器 首先在容器外下载： git clone https://github.com/google-deepm

HalluDeisgn学习笔记 1. HalluDeisgn安装 由于我自己比较喜欢Docker，所以使用的docker安装，大致思路为使用CUDA:12.6.3-ubuntu22.04版本的为基本，-v联系git目录至docker中的/app目录，-v联系model文件至docker中的/root

预测突变对蛋白蛋白之间相互作用影响学习笔记 1. Cartesian_ddG: 更快更准确的单点突变自由能预测方法 参考1:https://zhuanlan.zhihu.com/p/65451836 参考2:https://docs.rosettacommons.org/docs/latest/ca

安装方法可以参考官方给的笔记：https://github.com/RosettaCommons/rosetta/tree/main/docker 首先我们在dockerhub中拉取: docker pull rosettacommons/rosetta:mpi-v3.15 我选择的是3.15 m

如下是我自用的一些Docker 1. gromacs-GPU Docker 自写gromacs Docker，CUDA版本12.1，gromacs版本 gromacs-2024.5 可从此下载：Dockerfile # Use an official Ubuntu base image FROM n

AlphaFold3学习笔记 一些推举快速阅读的内容 主要是AI4Protein的一些内容 AlphaFold3权重申请指南

RFdiffusion学习笔记 RFdiffusion介绍 TODO RFdiffusion安装 1. 安装准备工作 git下载： git clone https://github.com/RosettaCommons/RFdiffusion.git 进入目录并下载模型的weights： cd R

dl_binder_design 由于文章我已经看过几次了，这里只是简单进行记录dl_binder_desgin的计算 快速安装 1.准备工作 假设已经安装好CUDA 12.1和MiniConda ,具体方法可以查看网络上的相关教程，非常简单。 克隆最新代码 git clone https://