drug-discovery

Biến bất kỳ AI agent nào thành một Nhà khoa học AI. Thư viện Kỹ năng Agent hàng đầu dành cho khoa học, được hơn 175.000 nhà khoa học trên toàn thế giới sử dụng. 163 kỹ năng đã được xác thực sẵn sàng sử dụng cùng hơn 100 cơ sở dữ liệu khoa học bao gồm sinh học, hóa học, y học và khám phá thuốc. Tương thích với Cursor, Claude Code, Codex, Pi, Antigravity và tiêu chuẩn Agent Skills mở.

Các tập lệnh Deep Learning tiên tiến được sắp xếp theo các mô hình - dễ huấn luyện và triển khai với độ chính xác và hiệu suất có thể tái tạo trên cơ sở hạ tầng cấp doanh nghiệp.

Phổ cập hóa Deep-Learning cho khám phá thuốc, hóa học lượng tử, khoa học vật liệu và sinh học

Kho lưu trữ chính thức cho các mô hình tương tác sinh phân tử Boltz

Mạng thần kinh truyền thông điệp (Message Passing Neural Networks) để dự đoán tính chất phân tử

Một nền tảng học máy mạnh mẽ và linh hoạt dành cho việc khám phá thuốc

Therapeutics Commons (TDC): Nền tảng đa phương thức cho khoa học trị liệu

Thư viện Đồ thị Protein

Bộ công cụ Deep Learning cho DTI, tính chất thuốc, PPI, DDI, dự đoán chức năng protein (Tin sinh học)

Một đồng nghiệp khoa học AI chạy trên máy tính để bàn của bạn. Claude Science nhưng tốt hơn.

BoltzGen: Hướng tới thiết kế chất kết dính vạn năng

Molecular Sets (MOSES): Nền tảng đánh giá cho các mô hình tạo phân tử

Một framework deep learning cho việc ghép nối phân tử

NequIP là một mã nguồn để xây dựng các thế năng tương tác giữa các nguyên tử có tính bất biến E(3).

BioNeMo Recipes: Dùng để xây dựng và điều chỉnh các mô hình AI trong khám phá thuốc ở quy mô lớn

Công cụ thiết kế phân tử AI cho thiết kế de novo, scaffold hopping, thay thế nhóm R, thiết kế linker và tối ưu hóa phân tử.

Làm việc với cấu trúc phân tử trong pandas DataFrames

Danh sách xếp hạng các dự án học máy nguyên tử (atomistic machine learning) nổi bật ⚛️🧬💎.

ScienceClaw là trợ lý nghiên cứu cá nhân được xây dựng với LangChain DeepAgents và cơ sở hạ tầng AIO Sandbox, áp dụng kiến trúc hoàn toàn mới vượt trội hơn OpenClaw. Nó cung cấp tính bảo mật cao hơn, minh bạch tốt hơn và trải nghiệm thân thiện với người dùng hơn.

Xử lý phân tử trở nên dễ dàng.

EquiBind: học sâu hình học để dự đoán nhanh cấu trúc 3D khi một phân tử nhỏ liên kết với protein

Dấu vân tay tương tác (Interaction Fingerprints) cho các phức hợp protein-ligand và hơn thế nữa