Awesome GitHub RepositoriesSequence Analysis

This project is a comprehensive, community-driven directory of machine learning resources, software libraries, and educational materials. It serves as a centralized knowledge base for developers and researchers, organizing tools and frameworks by their primary programming language and technical domain to simplify discovery across the artificial intelligence ecosystem. The collection distinguishes itself by providing a cross-language development index that spans diverse programming environments, including C, C++, Rust, Clojure, and Python. It covers a wide range of specialized capabilities, fr

This repository serves as a comprehensive research platform and toolkit for advancing machine learning, quantum computing, and large-scale scientific data analysis. It provides foundational frameworks for developing complex algorithmic systems, offering the necessary infrastructure for distributed training, computational graph execution, and high-performance model development. The project distinguishes itself by integrating specialized research domains with robust, privacy-preserving methodologies. It supports diverse scientific discovery through tools for quantum simulation, physics-informed

This project is a comprehensive library of reference implementations for fundamental data structures and algorithms, designed to support technical interview preparation and software engineering assessments. It provides a structured collection of computational techniques for solving complex problems involving arrays, strings, graphs, trees, and mathematical analysis. The library distinguishes itself by offering specialized implementations for advanced topics, including concurrent programming patterns and geometric algorithms. It features thread-safe primitives for managing shared state and tas

This project is a scientific agent framework and workflow orchestrator designed to extend large language models with specialized tools for genomic, chemical, and biological research. It provides a system for planning research hypotheses and executing automated workflows by integrating scientific databases with dynamic code execution. The framework includes a cheminformatics modeling suite for predicting molecular bioactivity and performing virtual screening, alongside a bioinformatics analysis toolkit for processing genomic sequences and single-cell data. It also features an academic document

DeepChem is an open-source Python framework for applying deep learning to molecular, chemical, and biological data, serving as a comprehensive toolkit for drug discovery and materials science. At its core, it provides a featurizer-pipeline abstraction that converts raw molecular data into numerical representations, including graph-based molecular structures, SMILES tokenization vocabularies, and disk-sharded dataset persistence for handling large-scale data that exceeds RAM capacity. The framework distinguishes itself through integrated molecular docking workflows that automate pocket detecti

Biopython este o bibliotecă de bioinformatică pentru Python care oferă instrumente pentru a analiza, manipula și interpreta secvențe biologice, structuri moleculare și arbori filogenetici. Servește ca un parser de secvențe biologice pentru date genomice și proteomice în mai multe formate de fișiere standard din industrie și acționează ca o interfață pentru interogarea datelor biologice și a citărilor din depozitele NCBI Entrez. Proiectul se distinge prin seturi de instrumente specializate pentru analiza structurii proteinelor și construcția arborilor filogenetici. Include un analizor de structură proteică pentru procesarea fișierelor PDB și mmCIF pentru a calcula geometria moleculară, precum și un set de instrumente pentru arbori filogenetici pentru analizarea relațiilor evolutive dintre specii. Biblioteca acoperă o gamă largă de capabilități de bioinformatică, inclusiv analiza secvențelor genomice pentru transcriere și traducere, gestionarea alinierilor de secvențe și calcule de genetică a populațiilor. Oferă, de asemenea, instrumente de analiză structurală pentru manipularea coordonatelor atomice 3D, precum și utilitare pentru vizualizarea caracteristicilor genomice și modelarea datelor biogeografice. Sistemul se integrează cu binare externe de bioinformatică prin „wrapping” și suportă stocarea persistentă a înregistrărilor biologice prin stocare de secvențe bazată pe SQL.

klib este o extensie cuprinzătoare a bibliotecii standard C și un toolkit de structuri de date. Oferă un set de instrumente fundamentale pentru gestionarea memoriei, organizarea datelor și funcții utilitare de uz general pentru aplicații C independente. Proiectul dispune de capabilități specializate pentru analiza secvențelor bioinformatice, inclusiv parsarea formatelor FASTA, FASTQ și Newick și implementarea alinierii secvențelor Smith-Waterman și a modelelor Markov ascunse. Include, de asemenea, o bibliotecă de calcul matematic pentru rutine numerice și evaluarea expresiilor, precum și un client HTTP și FTP ușor pentru recuperarea datelor la distanță cu acces aleatoriu. Toolkit-ul acoperă o suprafață largă de primitive de calcul de înaltă performanță, inclusiv modele multi-threading, construcția de suffix array în timp liniar și algoritmi de sortare optimizați. Implementează o varietate de structuri eficiente de indexare a datelor, cum ar fi tabele hash cu adresare deschisă, arbori B și arbori AVL intruzivi, susținute de gestionarea secvențelor bazată pe pool-uri de memorie. Utilitarele suplimentare includ parsarea datelor JSON și interpretarea argumentelor liniei de comandă.

Boltz is a deep learning molecular modeler and biomolecular structure prediction system. It uses neural network architectures to simulate the physical folding and docking of biomolecules, specifically predicting the three-dimensional shapes of protein and ligand complexes. The project functions as a protein-ligand complex predictor and binding affinity predictor, estimating the strength and probability of molecular interactions between ligands and targets. These capabilities are applied to computer aided drug design, including ligand binding affinity prediction and protein-ligand interaction

evo2 is a genomic large language model and foundation model designed to predict, generate, and analyze genetic information across different species. It functions as a nucleotide sequence modeler and a DNA sequence generator, using transformer-based sequence modeling to process genomic data. The system provides capabilities for synthetic DNA generation, creating new genetic sequences based on biological prompts or species-specific tags. It also performs nucleotide likelihood prediction to score genomic variants and analyze biological properties within DNA sequences. The model supports genomic

Space Station 14 is a C# multiplayer game and roleplay simulation framework. It is built upon an Entity-Component-System (ECS) game engine that separates logic into systems and data into components to manage complex entity interactions. The project functions as a grid-based physics simulator with a YAML data-driven prototype system for defining game objects. The project features a specialized 2D sprite rendering engine that maps server-side appearance data to client-side shaders. It implements a networking model with client-side prediction and dirty-flagged state synchronization to reduce inp