本文へスキップ

Foldseek

Steinegger lab

Foldseek は大規模なタンパク質構造集合を高速・高感度に検索・クラスタリングするツールで、单体・多量体の比較に対応し、ローカル実行と公開 Web サーバの両方が利用できます。

掲載情報の更新 ·

概要

Foldseek は Steinegger 研究室が開発する、大規模なタンパク質構造集合を高速・高感度に比較するツールです。README は单体・多量体検索(Foldseek-Multimer)とクラスタリング、既存構造を必要としない言語モデルベースの配列入力検索オプションを述べます。アライメントは 3Di 構造アルファベットとアミノ酸文字を組み合わせ、CPU 実行に加えて GPU 加速も任意で利用できます。

プロジェクトは GPL-3.0 で提供されます。Nature Biotechnology(2023、doi:10.1038/s41587-023-01773-0)と Nature Methods(2025)の論文が手法と多量体拡張を記録し、公開 Web サーバが search.foldseek.com にあります。

Foldseek は比較・検索ツールであり構造予測手法ではありません。結果は照会するデータベースやスコア設定に依存します。同一研究室の配列検索スイート MMseqs2 と相補的です。

主な機能

  • 大規模なタンパク質構造集合のための構造検索・クラスタリング。多量体検索(Foldseek-Multimer)を含みます。
  • 3Di 構造アルファベットとアミノ酸情報を組み合わせたアライメントモード。CPU 実行と任意の GPU 加速に対応。
  • 既存の構造なしで言語モデルを使い配列入力から検索するオプション。

用途

  • 予測または実験構造を大規模構造データベースから検索し、類縁体を見つける。
  • 構造集合(例:予測プロテオーム)をクラスタリングし、構造予測結果を整理する。

使い方

Foldseek はリポジトリの手順でローカル実行するか、公開サーバ search.foldseek.com から利用できます。README にはアライメントモード、データベース準備、GPU オプションの説明があります。参照: https://github.com/steineggerlab/foldseek

出典と確認の範囲

この掲載情報はリンク先のプロジェクト資料に記載された機能を説明します。掲載情報の更新は、実行、互換性試験、科学的性能評価の実施を意味しません。

この掲載版のリポジトリ出典確認日:

編集・確認方針を読む

関連リソース

AiiDA

オープンソース

AiiDA は計算の入力・出力・メタデータを来歴グラフに記録する計算科学ワークフロー管理基盤です。

オープンソースPython

計算化学 · 科学データ

alchemiscale

オープンソース

alchemiscale はアルケミカル自由エネルギー計算の高スループット実行システムで、HPC、クラウド、ベアメタル、ボランティア計算資源に作業を分散します。

オープンソースPython

計算化学 · 創薬 · 科学データ

alchemlyb

オープンソース

alchemlyb は分子動力学の出力からアルケミカル自由エネルギー用データを抽出し、PyData スタック上で MBAR、BAR、熱力学積分により自由エネルギーを見積もります。

オープンソースPython

計算化学 · 創薬 · 科学データ

cclib

オープンソース

cclib は計算化学プログラムの出力ファイルを解析する Python パーサー群と、抽出結果に対してプログラム非依存のアルゴリズムを実装する基盤を提供します。

オープンソースPython

計算化学 · 量子化学 · 科学データ

cinnabar

オープンソース

cinnabar は自由エネルギー計算の結果を一貫性のある再現可能な統計で解析・作図し、計算手法を公平に比較できるようにします。

オープンソースPython

計算化学 · 創薬 · 科学データ

proteusPy

オープンソース

既知のタンパク質構造に含まれるジスルフィド結合の幾何解析、分類、可視化用 Python ツールキット。

オープンソースPython

計算化学 · 科学データ

関連ガイド

概要

MCP・Skills・Agents・APIの違いとは?

化学ワークフローにおいて、API、MCPサーバー、Skills、エージェントがインターフェース、手順のガイダンス、実行、計画の各責任をどう分担するか、またアクセス可能性と科学的妥当性を混同せずに選択・組み合わせる方法を解説します。

ワークフロー

材料科学のAIツール:MCP・Agents・Skillsの研究ワークフロー

材料データベース、研究エージェント、科学的Skillsの実践ガイド。凸包、平衡、フォノン、実験的安定性に関する主張を区別しながら、結晶スクリーニング、計算、解析を組織化する方法を解説します。

概要

化学AIエージェントの技術スタックを構築するには

言語モデル、オーケストレーション、Skills、MCPインターフェース、API、ライブラリ、データを分離して、化学AIエージェントスタックを設計します。提案する分子・材料ワークフローを参考に、入出力契約を定義し、権限、評価、再現可能なデプロイを計画します。