ESM Atlas는 수십억 개의 예측된 메타게놈 단백질 구조에 대한 접근을 제공하는 오픈 아틀라스로, 생물학적 발견 및 단백질 설계에 중요한 자원 역할을 합니다.
핵심 포인트
Stork’s verdict on ESM Atlas
ESM Atlas reviewed by Stork AI · stork.ai/ko/esm-atlas
API 문서
API 제공 여부
overview
ESM Atlas는 Biohub(Chan Zuckerberg Initiative의 한 사업)에서 개발한 단백질 구조 예측 및 탐색 도구로, 메타게놈 및 단백질 과학 연구자들이 수십억 개의 예측된 메타게놈 단백질 구조에 접근하고 탐색할 수 있도록 합니다. 이는 생물학적 발견 및 단백질 설계를 위한 오픈 리소스 역할을 합니다. 이 플랫폼은 현재 68억 개의 단백질 서열과 11억 개의 예측된 구조를 포함하는 방대한 단백질 생물학 데이터셋을 조직하고 탐색 가능하게 만듭니다. AI를 활용하여 기존 데이터베이스가 포착하지 못했을 수 있는 단백질 간의 관계, 즉 멀리 떨어진 유전자 편집 효소 간의 진화적 연결을 식별하고 표면화합니다. 이 이니셔티브는 경험적 스크리닝을 계산 기반 설계로 전환하여 치료제 발견을 가속화하는 것을 목표로 합니다.
features
ESM Atlas는 단백질 연구 및 발견을 용이하게 하도록 설계된 포괄적인 기능 모음을 제공하며, 고급 AI 모델을 활용하여 단백질 구조 데이터에 대한 비할 데 없는 접근을 제공합니다. 그 기능은 기본 데이터 접근부터 복잡한 단백질 설계 워크플로우 지원에 이르기까지 확장됩니다.
use cases
ESM Atlas는 주로 단백질 연구, 생물정보학 및 치료제 개발에 종사하는 과학 커뮤니티를 위해 설계되었습니다. 개방적인 특성과 방대한 데이터셋은 여러 분야에 걸쳐 귀중한 자원이 됩니다.
pricing
Biohub ESM Atlas는 관련 모델인 ESMC 및 ESMFold2와 함께 전 세계 과학 커뮤니티에 무료로 제공됩니다. 모델은 MIT 라이선스 하에 출시되며, 데이터는 CC BY 4.0 라이선스 하에 제공되어 학술 및 상업적 용도로 제한 없이 사용할 수 있습니다. 핵심 모델과 데이터는 공개되어 있지만, Atlas 서비스 자체는 프리미엄 모델로 운영되며, 공유 자원의 공정한 사용을 보장하기 위해 API 접근에 사용량 제한이 있습니다. 사용자들은 과도한 사용을 피하기 위해 요청을 관리하는 것이 좋습니다.
유사한 도구
ESM Atlas는 특히 기반이 되는 ESMFold2 모델을 통해 단백질 구조 예측 및 데이터베이스 규모에서 상당한 발전을 나타내며, Google DeepMind의 AlphaFold와 같은 기존 플랫폼에 직접 도전합니다. 개방형 소스 특성과 메타게놈 다양성에 대한 초점은 분명한 이점을 제공합니다.
Offers a vast, highly accurate database of over 200 million predicted protein structures, covering nearly all catalogued proteins known to science.
Similar to ESM Atlas in providing a large, open-access database of predicted protein structures for research. While ESM Atlas specifically focuses on metagenomic proteins and emphasizes speed with its language model, AlphaFold is renowned for its high accuracy across a broader range of proteins and has a larger overall database size, though not exclusively metagenomic.
Integrates deep learning with traditional energy-based methods to predict tertiary protein structures and protein-protein interactions, including complete biological assemblies.
Unlike ESM Atlas, which is a pre-computed atlas of metagenomic structures, RoseTTAFold is a powerful AI prediction tool that researchers use to generate structures on demand, including protein complexes, rather than browsing a pre-existing database.
Provides a no-code platform with powerful foundation models for protein engineering, structure/function prediction, and model training, making advanced AI accessible to biologists.
While ESM Atlas is a static atlas of predicted structures, OpenProtein.AI offers an interactive platform for designing and predicting new proteins using AI, including custom model training. It targets researchers but focuses on active protein engineering rather than just providing access to a pre-computed database, and offers a free tier for academia.
A single-sequence based model that excels at predicting structures for orphan proteins and in antibody design without requiring multiple sequence alignments (MSAs), offering a balance between speed and accuracy.
Similar to ESMFold (the underlying model for ESM Atlas) in being a single-sequence based prediction tool, OmegaFold offers an alternative for researchers needing fast predictions, especially for proteins lacking evolutionary information. Unlike the pre-computed ESM Atlas, OmegaFold is a tool for on-demand prediction, often used for novel or de novo designed proteins.
Stork에서 더 보기
같은 카테고리의 다른 도구 — 공통 태그로 연결
