ESMFold与AlphaFold2和RoseTTAFold对多序列输入的蛋白质结构预测具有相当的准确度。但ESMFold突出优势在于,其计算速度比AlphaFold2快一个数量级,能够在更有效的时间尺度上探索蛋白质的结构空间。ESMFold使用ESM-2学习的信息和表示来执行端到端的3D结构预测,特别是仅使用单个序列作为输入(AlphaFold2需要多序列输入),方便...
一是实现了孤儿蛋白等没有同源序列的蛋白质结构预测从0到1的突破,且测试结果远好于AlphaFold2。 (Orphan11数据集包含11个没有任何同源序列的孤儿蛋白,分子之心RaptorX-Single算法优于AlphaFold2和RoseTTAFold) 二是实现了比AlphaFold2更快的运行速度,极大提升了蛋白质结构预测效率。 (与AlphaFold2的运行时间比较,...
# This is a Singularity container of Evolutionary Scale Modeling (ESM) / ESMFold tool - https://github.com/facebookresearch/esm # # **Citation:** None # # **Disclaimer:** # DISTRIBUTION STATEMENT A. Approved for public release. Distribution is unlimited. # # This material is based...
其中,对于单序列输入,ESMFold的精度优于AlphaFold2—— 通过这个150亿参数的ESM2,ESMFold只用一个序列作为输入,就能有效预测端到端的3D结构;而AlphaFold2则需要多序列输入才能有良好表现。 △单序列输入时,ESMFold预测精度更高 不过在多序列输入的情况下,ESMFold的精度和AlphaFold2相比,还是略有差距。 此外,在蛋白...
We release a database of AlphaFold2 and ESMFold models for 42,942 human proteins.The database allows to compare the two models, including PDBs, when available.45% of the models superimpose well in the presence of structural information.55% of the models diverge opening the problem of which ...
2周预测出6.17亿个蛋白质结构 Meta团队的研究人员表示,用ESMFold预测超过6.17亿个蛋白质的结构,只花了2周时间。 另外,在单个英伟达V100 GPU上,ESMFold可以在14.2秒内对含有384个残基的蛋白质进行预测,比AlphaFold2快6倍。 而对于较短的序列,它甚至比AlphaFold2快了60倍。