#drug-discovery Repositories
Entdecke 33 aktive Open-Source-GitHub-Repositories, die mit #drug-discovery getaggt sind und insgesamt 114,139 Sterne gesammelt haben (durchschnittlich 3,458 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist K-Dense-AI/scientific-agent-skills mit 57,990 Sternen.
Insgesamt 33 Repositories
Verwandle jeden KI-Agenten in einen KI-Wissenschaftler. Die führende Agent-Skills-Bibliothek für Wissenschaft, von weltweit über 250.000 Wissenschaftlern genutzt. 177 sofort einsatzbereite, validierte Skills sowie über 100 wissenschaftliche Datenbanken zu Biologie, Chemie, Medizin und Wirkstoffforschung. Kompatibel mit Cursor, Claude Code, Codex, Pi, Antigravity und dem offenen Agent-Skills-Standard.
State-of-the-Art Deep-Learning-Skripte, nach Modellen organisiert - einfach zu trainieren und bereitzustellen mit reproduzierbarer Genauigkeit und Leistung auf Unternehmensklasse-Infrastruktur.
Demokratisierung des Deep Learning für Arzneimittelforschung, Quantenchemie, Materialwissenschaften und Biologie
Open-Source-Stiftung des benutzersponsorierten PyMOL-Molekülvisualisierungssystems.
Eine leistungsstarke und flexible Machine-Learning-Plattform für die Wirkstoffentdeckung
Ein KI-Co-Wissenschaftler, der auf deinem Desktop läuft. Claude Science, aber besser.
Therapeutics Commons (TDC): Multimodale Grundlage für die Therapeutische Wissenschaft
Ein Deep-Learning-Toolkit für DTI, Medikamenteneigenschaften, PPI, DDI, Proteinfunktionsvorhersage (Bioinformatik)
TeachOpenCADD: Eine Lehreplattform für computergestütztes Drug Design (CADD) mit Open-Source-Paketen und -Daten
NequIP ist ein Code zum Erstellen von E(3)-äquivarianten interatomaren Potenzialen
Molecular Sets (MOSES): Eine Benchmarking-Plattform für Modelle zur Molekülgenerierung
KI-gestütztes Moleküldesign-Tool für De-novo-Design, Scaffold-Hopping, R-Gruppen-Ersatz, Linker-Design und Moleküloptimierung.
BioNeMo Recipes: Zum Erstellen und Anpassen von KI-Modellen für die Wirkstoffforschung im großen Maßstab
Robuste Darstellung semantisch eingeschränkter Graphen, insbesondere für Moleküle in der Chemie
🏆 Eine Rangliste großartiger atomistischer Machine-Learning-Projekte ⚛️🧬💎.
ScienceClaw ist ein persönlicher Recherche-Assistent, der mit LangChain DeepAgents und AIO Sandbox-Infrastruktur aufgebaut wurde und eine völlig neue Architektur jenseits von OpenClaw übernimmt. Es bietet stärkere Sicherheit, bessere Transparenz und ein benutzerfreundlicheres Erlebnis.
EquiBind: geometrisches Deep Learning für schnelle Vorhersagen der 3D-Struktur, in der ein kleines Molekül an ein Protein bindet
Autoencoder-Netzwerk zum Erlernen einer kontinuierlichen Darstellung von Molekülstrukturen.
Allegro ist ein Code zur Erstellung hochgradig skalierbarer E(3)-äquivarianten interatomaren Potentiale
Häufig gestellte Fragen
Welches ist das beliebteste #drug-discovery-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#drug-discovery-Projekt auf GitHub ist K-Dense-AI/scientific-agent-skills mit 57,990 Sternen. Verwandle jeden KI-Agenten in einen KI-Wissenschaftler. Die führende Agent-Skills-Bibliothek für Wissenschaft, von weltweit über 250.000 Wissenschaftlern genutzt. 177 sofort einsatzbereite, validierte Skills sowie über 100 wissenschaftliche Datenbanken zu Biologie, Chemie, Medizin und Wirkstoffforschung. Kompatibel mit Cursor, Claude Code, Codex, Pi, Antigravity und dem offenen Agent-Skills-Standard.
Welche Programmiersprachen werden in #drug-discovery-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #drug-discovery-Projekten auf GitHub sind Python, Jupyter Notebook, C++, C die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #drug-discovery-Repositories berechnet?
Wir verfolgen 33 aktive Open-Source-Repositories, die mit #drug-discovery getaggt sind (500+ Sterne), mit insgesamt 114,139 Sternen und durchschnittlich 3,458 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.