2 Repos
Computational analysis of 3D protein atomic coordinates to determine molecular geometry.
Distinct from Protein Structure Featurizers: Existing candidates focus on AI-based prediction or reliability scoring, not the geometric analysis of existing structures.
Explore 2 awesome GitHub repositories matching scientific & mathematical computing · Protein Structure Analysis. Refine with filters or upvote what's useful.
Biopython ist eine Bioinformatik-Bibliothek für Python, die Werkzeuge zum Parsen, Manipulieren und Analysieren biologischer Sequenzen, molekularer Strukturen und phylogenetischer Bäume bereitstellt. Sie dient als Parser für biologische Sequenzen für genomische und proteomische Daten in verschiedenen Industriestandard-Formaten und fungiert als Schnittstelle zum Abfragen biologischer Daten und Zitate aus NCBI Entrez-Repositories. Das Projekt zeichnet sich durch spezialisierte Toolkits für die Analyse von Proteinstrukturen und die Konstruktion phylogenetischer Bäume aus. Es enthält einen Proteinstruktur-Analysator zur Verarbeitung von PDB- und mmCIF-Dateien zur Berechnung der Molekulargeometrie sowie ein Toolkit für phylogenetische Bäume zur Analyse evolutionärer Beziehungen zwischen Arten. Die Bibliothek deckt ein breites Spektrum bioinformatischer Funktionen ab, einschließlich der Analyse genomischer Sequenzen für Transkription und Translation, der Verwaltung von Sequenzalignments und populationsgenetischer Berechnungen. Sie bietet zudem Tools zur strukturellen Analyse für die Manipulation von 3D-Atomkoordinaten sowie Dienstprogramme zur Visualisierung genomischer Merkmale und zur Modellierung biogeografischer Daten. Das System integriert externe Bioinformatik-Binärdateien durch Tool-Wrapping und unterstützt die persistente Speicherung biologischer Datensätze durch SQL-basierte Sequenzspeicherung.
Processes 3D atomic coordinates from PDB files to measure molecular geometry and analyze residue exposure.
This project is a collection of pretrained transformer protein language models designed for sequence embedding, structure prediction, variant effect estimation, and generative inverse folding. It provides a framework for transforming amino acid sequences into high-dimensional numerical vectors and predicting biological properties through these embeddings. The system includes a generative model for inverse folding that designs amino acid sequences to fit a specific target protein backbone structure. It also features tools for protein variant analysis that use zero-shot prediction to estimate t
Infers spatial proximity between residues by extracting interaction strengths from the internal attention heads of the transformer.