本项目汇集了多个可用于沐曦（MetaX）GPU 的人工智能生命科学 大模型与应用程序。我们专注于提供高性能、易适配的AI解决方案，助力您在生物信息学、蛋白质组学、药物发现等领域的科研与开发工作。
本文件夹以聚合分发方式提供多个相互独立的开源项目，各项目作为独立程序分别置于各自子目录中，我方仅将其聚合打包传输，并未将其组合为单一作品。各项目分别受其自带许可证约束，您在使用或分发任一项目前，须遵守该项目对应许可证的条款。如各项目内另附有我方提供的Patch文件或适配文件，系针对相应开源项目的修改或组合，此文件的许可证放置于对应文件夹中。
当前包含以下独立子项目：
| 子目录 | 项目简介 | 主要领域 |
|---|---|---|
| ProteinBert | 基于BERT架构的蛋白质语言模型，可用于蛋白质序列特征提取、功能预测等任务。 | 蛋白质表征学习 |
| DeepFRI | 结合蛋白质序列和结构信息的深度学习模型，用于基因本体（GO）功能注释。 | 蛋白质功能预测 |
更多模型和应用正在持续适配与添加中，敬请关注。
以下是目前已适配沐曦GPU并可用于生命科学研究的模型与应用概览：
| 模型/应用名称 | 核心任务 | 关键技术/架构 | 适用场景 |
|---|---|---|---|
| ProteinBert | 蛋白质序列表征与功能预测 | BERT、Transformer、预训练语言模型 | 蛋白质属性预测、突变效应分析、序列表示学习 |
| DeepFRI | 蛋白质功能注释（GO term预测） | GCN（图卷积网络）、LSTM、蛋白质结构信息（接触图） | 大规模蛋白质功能注释、新发现蛋白质的功能推断 |
- 硬件：需具备沐曦（MetaX）GPU。
- 基础软件：Linux操作系统，沐曦GPU运行时环境。
- 主要依赖：Python 3.8+，PyTorch（适配沐曦GPU版本），以及各子项目特定的依赖库（详见各子目录下的
requirements.txt或原开源项目文档）。
具体安装与使用步骤，请参阅各子项目文件夹内的独立指南（如README.md或UserGuide）。
在使用本仓库中的任何资源前，请仔细阅读并遵守以下声明：
- 独立项目：本仓库中的每个子项目均为独立的开源项目，保留其原有的许可证和版权声明。我方仅提供聚合分发服务，不对这些项目的功能、安全性或合规性做额外担保。
- 使用责任：您有责任理解并遵守每个子项目自带的许可证条款。在使用或分发任何子项目时，请确保完全符合其许可证要求。
- 修改与组合：如子项目内包含由我方提供的Patch文件或适配文件，这些特定文件的许可证将放置于对应的子文件夹中，请在使用时一并遵循。
- 2026-07-13：初始版本，包含ProteinBert和DeepFRI模型，并提供了基础的用户指南。
欢迎通过GitHub Issues或Pull Requests提出建议、报告问题或贡献新的适配模型。让我们一起推动AI在生命科学领域的革新！
感谢您对沐曦GPU生态及AI4S发展的关注与支持！