❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！
🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦
🧬 「实验室深夜警报！这个AI把10年新药研发压成了1年」
大家好，我是蚝油菜花。你是否也经历过这些科研至暗时刻：
- 👉 筛了十万分子库，最后活性还不如老祖宗的中药方
- 👉 单细胞数据多到爆，Excel崩潰比实验失败还频繁
- 👉 想用AI预测蛋白结构，GitHub找的模型跑三天就报错...
今天要炸场的 清华OpenBioMed ，堪称生物医学界的"复仇者联盟"！这个开源宇宙包含三大灭霸级武器：
- ✅ 20+炼丹炉模型：从分子设计到细胞预测一键打通
- ✅ 智能体流水线：拖拉拽搭建自己的AI制药工厂
- ✅ 多模态熔炉：把论文、分子式、病理图炼成知识金矿
最疯狂的是它的「数据吞噬」能力——用1/10的训练数据，在乳腺癌靶点预测中吊打传统模型！
🚀 快速阅读
OpenBioMed 是一个专注于 AI 驱动的生物医学研究的开源平台。
- 核心功能：支持多模态数据处理、提供丰富的预训练模型和多样化的计算工具。
- 技术原理：通过灵活的 API 处理多模态数据，集成深度学习模型，支持预训练模型与推理。
OpenBioMed 是什么
OpenBioMed 是清华大学智能产业研究院（AIR）和水木分子共同推出的开源平台，专注于 AI 驱动的生物医学研究。它是一个多模态表征学习工具包，能够处理分子、蛋白质、单细胞等多种生物医学数据。
平台提供了 20 多种工具和深度学习模型，如 BioMedGPT 系列，支持从传统药物发现任务到多模态挑战的广泛应用。无论是药物研发、精准医疗，还是多模态理解，OpenBioMed 都能提供强大的支持。
OpenBioMed 的主要功能
- 多模态数据支持：支持小分子、蛋白质和单细胞的分子结构、转录组学、知识图谱和生物医学文本等多种生物医学数据。
- 统一数据处理框架：能轻松加载不同生物医学实体、不同模态的数据，转换为统一的格式。
- 丰富的预训练模型：包含超过 20 个深度学习模型，如 BioMedGPT-10B、MolFM、CellLM 等，可用于多种生物医学任务。
- 多样的计算工具：构建了 20 余个计算工具，涵盖分子性质与结构预测、分子检索、分子编辑、分子设计等。
- 模型预测模块：公开了预训练模型的参数，并提供使用案例，能够简便地迁移到其他数据或任务中。
- 药物研发：可预测药物-靶点结合亲和力、分子属性以及药物响应，加速新药研发。
- 多模态理解：通过跨模态检索，帮助科学家找到与分子或蛋白质相关的文本描述。
- 精准医疗：基于 CellLM 进行细胞类型分类和单细胞药物敏感性预测，推动个性化治疗。
- 智能问答：BioMedGPT 可以回答关于分子和蛋白质的复杂问题。
- 智能体设计：以可视化编辑模式，让科研人员通过拖拉拽的方式轻松调用前沿 AI 算法与工具，完成智能体的设计开发。
OpenBioMed 的技术原理
- 多模态数据处理：OpenBioMed 提供了灵活的 API，用于处理多模态生物医学数据，包括小分子、蛋白质、单细胞的分子结构、转录组学、知识图谱和生物医学文本。
- 深度学习模型：OpenBioMed 集成了超过 20 个深度学习模型，如 BioMedGPT-10B、MolFM、CellLM 等。通过先进的神经网络架构，能处理从传统的 AI 药物发现任务到新兴的多模态挑战。
- 预训练模型与推理：OpenBioMed 提供了现成的预训练模型和推理演示，经过大规模生物医学数据的训练，能快速迁移到用户自己的数据或任务中。
- 工具与应用：OpenBioMed 构建了 20 多个计算工具，涵盖从分子性质预测到蛋白质折叠、细胞类型分类等下游任务。这些工具支持从基础研究到临床应用的广泛场景，例如通过 MolFM 模型生成分子描述，或使用 CellLM 模型进行细胞类型分类。
- 智能体与工作流：OpenBioMed 提供了易于使用的界面，用于构建连接多个工具的工作流，开发基于大语言模型（LLM）的智能体。智能体可以模拟试错过程，帮助研究人员在复杂的生物医学任务中获得科学洞察。
如何运行 OpenBioMed
1. 安装
要启用 OpenBioMed 的基本功能，请执行以下命令：
conda create -n OpenBioMed python=3.9
conda activate OpenBioMed
pip install torch==1.13.1+{
your_cuda_version} torchvision==0.14.1+{
your_cuda_version} torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/{
your_cuda_version}
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-1.13.1+{
your_cuda_version}.html
pip install pytorch_lightning==2.0.8 peft==0.9.0 accelerate==1.3.0 --no-deps -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -r requirements.txt
建议使用 cuda=11.7 来设置环境。其他版本的 cudatoolkits 可能会导致意外问题。
2. 构建 Docker
执行 ./scripts/docker_run.sh 将构建 Docker 镜像并运行容器，启动后端服务。
sh ./scripts/docker_run.sh
3. 教程
查看Jupyter 笔记本快速入门！
资源
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！
🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦
