PaddleHelix — 聚焦生物医药 AI 的开源算法与工具库

banana · 2026-06-17 11:00:17 · 20 次点击 · 0 条评论

English | 简体中文

最新消息

2025.07.23 HelixFold3.2 发布！ 与 HelixFold3 相比，HelixFold3.2 在蛋白质相关任务和结构质量方面有显著提升。实现详情请参见此处的代码。

2024.11.08 为简化 HelixFold3 集成并支持高通量使用，我们推出了一项便捷的付费 API（使用指南链接），适用于学术和商业应用，可高效获取 HelixFold3 的结构预测能力。

2024.08.30 我们激动地宣布一个好消息！专为生物分子结构预测设计的 HelixFold3 服务器初始版本现已在 PaddleHelix 网站上线（https://paddlehelix.baidu.com/app/all/helixfold3/forecast）。诚邀大家探索其能力，并利用它进行有影响力和创新性的研究。

2024.08.15 PaddleHelix 发布了 HelixFold3 的代码和模型参数，这是一种复现 AlphaFold3 功能的生物分子结构预测模型。HelixFold3 在预测常规配体、核酸和蛋白质结构方面达到了与 AlphaFold3 相当的精度。HelixFold3 的初始版本已作为开源代码在 GitHub 上提供，仅限于非商业学术研究，有望推动生物分子研究并加速发现。更多详情请参考代码。

2024.05.23 PaddleHelix 发布了 HelixDock 代码，这是一个在大规模生成的对接构象上训练的预训练模型，用于解锁蛋白质-配体结构预测的潜力，显著提高了预测精度和泛化能力。更多详情请参考论文和代码。欢迎访问 PaddleHelix 网站试用在线结构预测服务。

2024.05.13 论文“Multi-purpose RNA Language Modeling with Motif-aware Pre-training and Type-guided Fine-tuning”被《自然·机器智能》接收。更多详情请参考论文和代码。

2024.04.16 PaddleHelix 发布了 HelixFold-Multimer 的技术报告，这是一个在抗原-抗体和肽-蛋白质结构预测方面取得显著成功的蛋白质复合物结构预测模型。更多详情请参考报告。通用和抗原-抗体蛋白质复合物的在线结构预测服务现已在 PaddleHelix 平台链接1 和链接2 上提供。

2023.10.09 标题为“A method for multiple-sequence-alignment-free protein structure prediction using a protein language model”的 HelixFold-Single 工作被《自然·机器智能》接收。更多详情请参考论文。

2022.12.08 论文“HelixMO: Sample-Efficient Molecular Optimization in Scene-Sensitive Latent Space”被 BIBM 2022 接收。更多详情请参考链接1或链接2。我们还在 PaddleHelix 网站上部署了药物设计服务。

2022.08.11 PaddleHelix 发布了 HelixGEM-2 的代码，这是一个新颖的分子性质预测网络，可模拟全范围的多体相互作用。它在 OGB PCQM4Mv2 排行榜上排名第一。更多详情请参考论文和代码。

2022.07.29 PaddleHelix 发布了 HelixFold-Single 的代码，这是一个免 MSA 的蛋白质结构预测流程，仅依赖一级序列，可在数秒内预测蛋白质结构。更多详情请参考论文和代码。欢迎访问 PaddleHelix 网站试用在线结构预测服务。

2022.07.18 PaddleHelix 完整发布了 HelixFold，包括训练和推理流程。完整训练时间从 11 天优化至 5.12 天。现在支持超长单体蛋白质（约 6600 个氨基酸）的预测。更多详情请参考论文和代码。

2022.07.07 论文“BatchDTA: implicit batch alignment enhances deep learning-based drug–target affinity estimation”发表在《生物信息学简报》。更多详情请参考论文和代码。

2022.05.24 论文“HelixADMET: a robust and endpoint extensible ADMET system incorporating self-supervised knowledge transfer”发表在《生物信息学》。更多信息请参考论文。

2022.02.07 论文“Geometry-enhanced molecular representation learning for property prediction”发表在《自然·机器智能》。请参考论文和代码探索该算法。

查看更多消息 ...

`2022.01.07` PaddleHelix 在 [HelixFold](./apps/protein_folding/helixfold) 中使用 PaddlePaddle 发布了 [AlphaFold 2](https://doi.org/10.1038/s41586-021-03819-2) 推理流程的复现。 `2021.11.23` 论文“Multimodal Pre-Training Model for Sequence-based Prediction of Protein-Protein Interaction”被 [MLCB 2021](https://sites.google.com/cs.washington.edu/mlcb2021/home) 接收。更多详情请参考[论文](https://arxiv.org/abs/2112.04814)和[代码](https://github.com/PaddlePaddle/PaddleHelix/tree/dev/apps/protein_protein_interaction)。 `2021.10.25` 论文“Docking-based Virtual Screening with Multi-Task Learning”被 [BIBM 2021](https://ieeebibm.org/BIBM2021/) 接收。 `2021.09.29` 论文“Property-Aware Relation Networks for Few-shot Molecular Property Prediction”作为亮点论文被 [NeurIPS 2021](https://papers.nips.cc/paper/2021/hash/91bc333f6967019ac47b49ca0f2fa757-Abstract.html) 接收。更多详情请参考 [PAR](./apps/fewshot_molecular_property)。 `2021.07.29` PaddleHelix 发布了一个新颖的几何级分子预训练模型，利用了分子的 3D 空间结构。更多详情请参考 [GEM](./apps/pretrained_compound/ChemRL/GEM)。 `2021.06.17` PaddleHelix 团队在 [OGB-LCS KDD Cup 2021 PCQM4M-LSC 赛道](https://ogb.stanford.edu/kddcup2021/results/)中获得第二名，任务是对分子的 DFT 计算 HOMO-LUMO 能隙进行预测。更多详情请参考[解决方案](./competition/kddcup2021-PCQM4M-LSC)。 `2021.05.20` PaddleHelix v1.0 发布。1) 从静态框架更新为动态框架；2) 新增应用：分子生成和药物协同作用。 `2021.05.18` 论文“Structure-aware Interactive Graph Neural Networks for the Prediction of Protein-Ligand Binding Affinity”被 [KDD 2021](https://kdd.org/kdd2021/accepted-papers/index) 接收。代码可在[此处](./apps/drug_target_interaction/sign)获取。 `2021.03.15` PaddleHelix 团队在 [OGB](https://ogb.stanford.edu/docs/leader_graphprop/) 的 ogbg-molhiv 和 ogbg-molpcba 任务中排名第一，用于预测分子性质。

介绍

PaddleHelix 是一个生物计算工具，利用机器学习方法，特别是深度神经网络，促进以下领域的发展：
* 药物发现。提供 1) 大规模预训练模型：化合物和蛋白质；2) 多种应用：分子性质预测、药物-靶标亲和力预测和分子生成。
* 疫苗设计。提供 RNA 设计算法，包括 LinearFold 和 LinearPartition。
* 精准医疗。提供药物协同作用的应用。