openfold

项目介绍

OpenFold是一个基于PyTorch的项目，它忠实地再现了DeepMind公司开发的AlphaFold 2，但同时具有可训练的特性。AlphaFold 2是一个用于蛋白质结构预测的深度学习模型，其精准度令人瞩目。OpenFold的目标是重现这一模型的功能，同时提供更多的用户定制和训练扩展的可能性。

文档与资源

OpenFold的相关文档可以在openfold.readthedocs.io网站上找到，用户可以在这个网站上获得关于安装、模型推断以及训练等方面的详细指导。此外，很多基本内容也可以从其GitHub页面的原始说明文档中获取。

版权说明

OpenFold的源码采用宽松的Apache Licence 2.0协议，这与AlphaFold的代码一致。然而，DeepMind预训练的参数则遵循CC BY 4.0许可证，并且在安装过程中会自动下载到openfold/resources/params目录中。需要注意的是，该许可自2022年1月起取代了原来的CC BY-NC 4.0限制性更强的许可。

如何贡献

对于使用OpenFold过程中遇到的问题，用户可以通过创建Issue来反馈。同时，社区贡献者的Pull Request也十分欢迎，这有助于项目的持续改进和发展。

引用方式

如果在研究中使用了OpenFold，学术引用时请参考以下论文：

@article {Ahdritz2022.11.20.517210,
	author = {Ahdritz, Gustaf et al.},
	title = {{O}pen{F}old: {R}etraining {A}lpha{F}old2 yields new insights into its learning mechanisms and capacity for generalization},
	elocation-id = {2022.11.20.517210},
	year = {2022},
	doi = {10.1101/2022.11.20.517210},
	publisher = {Cold Spring Harbor Laboratory},
	journal = {bioRxiv}
}

如果使用了OpenProteinSet，也请参考以下文献进行引用：

@misc{ahdritz2023openproteinset,
      title={{O}pen{P}rotein{S}et: {T}raining data for structural biology at scale}, 
      author={Gustaf Ahdritz et al.},
      year={2023},
      eprint={2308.05326},
      archivePrefix={arXiv},
      primaryClass={q-bio.BM}
}

任何引用OpenFold的工作也应同时引用AlphaFold和AlphaFold-Multimer，如果适用的话。