2025年最佳 59 款蛋白質模型工具

ESM-2是基於掩碼語言建模目標訓練的新一代蛋白質模型，適用於各類以蛋白質序列為輸入的下游任務微調。

ESM-2是基於掩碼語言建模目標訓練的新一代蛋白質模型，適用於對蛋白質序列進行各類任務的微調。

ESM-2是基於掩碼語言建模目標訓練的最先進蛋白質模型，適用於對蛋白質序列進行分析和預測任務

ESM-2是基於掩碼語言建模目標訓練的前沿蛋白質模型，適用於各類蛋白質序列分析任務

基於BERT架構的蛋白質序列預訓練模型，通過自監督學習捕捉蛋白質序列的生物物理特性

ProstT5是一種蛋白質語言模型，能夠在蛋白質序列與結構之間進行翻譯。

基於T5-3B架構的蛋白質序列預訓練模型，通過自監督學習捕捉蛋白質的生物物理特性

ESM-2是基於遮蔽語言建模目標訓練的最先進蛋白質模型，適用於對各類以蛋白質序列為輸入的任務進行微調。

基於Bert架構的蛋白質序列預訓練模型，通過自監督學習從21億蛋白質序列中提取生物物理特徵

ESM-1b是基於Transformer的蛋白質語言模型，通過無監督學習蛋白質序列數據，可用於蛋白質結構和功能預測。

RiNALMo是基於掩碼語言建模（MLM）目標預訓練的非編碼RNA（ncRNA）模型，在大量非編碼RNA序列上通過自監督方式訓練。

基於BERT架構的RNA扭轉角預測模型，用於從RNA序列預測扭轉角和偽扭轉角

ESM-2是基於掩碼語言建模目標訓練的最先進蛋白質模型，適用於對蛋白質序列進行各種任務的微調。

ProtGPT2是基於GPT2架構的蛋白質語言模型，能夠生成全新的蛋白質序列，同時保留天然蛋白質的關鍵特徵。

Helix-mRNA是一種結合狀態空間和變換器架構的混合模型，專為mRNA序列分析設計

ESM++是對ESMC的忠實實現，支持批處理操作且完全兼容Huggingface生態，無需依賴ESM官方Python包。large版本對應ESMC的6億參數模型。

DRP 是一個專注於機器人運動規劃的模型，在5M檢查點下訓練了7k週期（約7M步數）

基於非編碼RNA數據、採用掩碼語言建模（MLM）目標預訓練的RNA基礎模型

ESM++是對ESMC的忠實實現，支持批處理且兼容標準Huggingface接口，無需依賴ESM Python包。小型版本對應ESMC的3億參數版本。

SaProt是一個基於蛋白質序列和結構信息的預訓練模型，特別針對低pLDDT區域進行了優化。

該模型為蛋白質序列生成嵌入向量，支持縮短版嵌入以加速搜索任務。

ProtBert-UniRef100模型的蒸餾版本，用於蛋白質特徵提取和下游任務微調

該模型基於Bert-Base-Uncased微調，用於根據蛋白質氨基酸序列預測其功能的多標籤分類任務。

GENERator是一個具有9.8萬鹼基對上下文長度和30億參數的生成式基因組基礎模型，基於真核生物DNA擴展數據集訓練

密碼子優化的終極工具，能將蛋白質序列轉化為針對目標生物體優化的DNA序列。

該模型用於預測給定氨基酸序列的蛋白質質譜數據。

ProLLaMA是一個基於Llama-2-7b架構的蛋白質大語言模型，專注於多任務蛋白質語言處理。

ProtT5-XL-BFD是基於蛋白質序列的自監督預訓練模型，採用T5架構，在21億蛋白質序列上訓練，用於蛋白質特徵提取和下游任務微調。

GoBERT是一款專門用於通用基因功能預測的模型，它藉助基因本體圖信息，能夠有效捕捉基因本體（GO）功能之間的關係。

GPN-MSA是一個基於人類及其他89種脊椎動物訓練的語言模型，專注於DNA序列分析和變異效應預測。

首個僅依賴目標蛋白序列的線性肽段結合劑從頭生成器

ProLLaMA是基於Llama-2-7b構建的蛋白質大語言模型，專注於多任務蛋白質語言處理，能夠執行蛋白質序列生成和超家族判定任務。

基於HIV-BERT優化的模型，用於預測HIV V3環樣本的採集部位，精度較原始模型顯著提升

基於進化尺度模型（ESM）的蛋白質功能預測工具，通過氨基酸序列預測蛋白質的分子功能。

基於基因本體論（GO）和ESM2架構的蛋白質分子功能預測模型

ProtST 框架通過生物醫學文本增強蛋白質序列的預訓練和理解，構建了 ProtDescribe 數據集，設計了三種預訓練任務，支持監督學習和零樣本預測。

Isoformer 是一個能夠準確預測差異轉錄本表達的模型，其性能優於現有方法，並充分利用了多模態數據。

ProtGPT2的蒸餾版本，通過知識蒸餾方法壓縮為更高效的小型模型，保持性能的同時提升推理速度

AbLang是一種抗體語言模型，專門用於處理抗體序列，特別是重鏈序列。該模型基於大寫氨基酸字母訓練，適用於蛋白質特徵提取和下游任務微調。

Ankh3是一個基於T5架構的蛋白質語言模型，通過聯合優化掩碼語言建模和序列補全任務進行預訓練，適用於蛋白質特徵提取和序列分析。

nanoBERT是一個納米抗體特異性轉換器，用於預測給定查詢序列中特定位置的氨基酸。

SegmentNT-multi-species 是一種基於Nucleotide Transformer的分割模型，用於以單核苷酸分辨率預測多種基因組元素的位置。