Flatiron软件

尽管Rosetta软件套件功能强大，功能多样，但它仍在努力充分利用现代计算硬件。Masala是生物分子设计小组正在开发的一组C++库，旨在取代Rosetta的大部分功能，并利用现代大规模并行计算硬件（CPU、GPU或FPGA），或当前和未来几代量子计算机（量子退火器或基于网关的系统）用于NP-hard优化问题。Masala的通用插件系统还将允许第三方开发专门的分子建模协议。为了用作其他软件（如Rosetta）的支持库或作为一组独立的应用程序，我们计划在不久的将来将Masala作为免费开源软件发布。

二十多年来，Rosetta软件套件一直是最重要的软件包之一，用于建模、对接、设计和预测由20个典型氨基酸构建块构建的蛋白质结构。我们的工作扩展了可在Rosetta中准确建模的构建模块的范围，并使我们能够针对一些具有药用价值的蛋白质生产混合病毒性肽大环。

传统高分子建模方法的一个主要局限性是使用力场来计算能量。虽然力场很快，但它们非常近似，必须针对一组特定的化学物质构建块进行调整和校准。量子化学方法具有更高的准确性和通用性。长期以来，人们认为对大分子建模应用来说速度太慢，最近在半经验方法和碎片分子轨道方法方面的工作将对大分子进行的量子化学计算带入了计算可处理的领域。RosettaQM是生物分子设计小组启动的一个项目，允许Rosetta在任何设计、对接或结构预测协议的背景下进行量子力学计算。发展正在进行。

这是追踪运动蛋白驱动的微管组装的模拟工具。微管被建模为直的刚性纤维，运动蛋白被建模为胡克弹簧，具有活跃的结合-解离动力学，由两阶段动力学蒙特卡罗模型控制，以实现详细的平衡。结合了基于几何约束优化的最新碰撞解决算法，以达到较长的物理动力学时间尺度。这个方案是大规模并行的。

这是一个针对边界积分法中Laplace和Stokes算子的各种单层和双层核的数值计算包，在高度优化的核独立快速多极方法包PVFMM之上实现。所有内核评估都通过AVX2 SIMD指令进行手动优化，以最大限度地提高评估速度。

DeepSEA是一个基于深度学习的算法框架，用于预测单核苷酸敏感性序列改变的染色质效应。DeepSEA可以准确预测序列的表观遗传状态，包括转录因子结合、DNase I敏感性和多种细胞类型中的组蛋白标记，并进一步利用此功能预测序列变体的染色质效应并优先考虑调节变体。

组织特异性相互作用：FNTM利用组织特异性金标准，从不同组织和细胞类型的大型数据汇编中自动向上显示与组织相关的数据集。由此产生的功能网络准确捕获组织特定的功能交互作用。
多组织分析：除了与单个基因在单个组织中的作用有关的问题外，FNTM还可以广泛地检查跨组织的基因功能变化。用户可以通过在下拉菜单中选择相关组织来比较基因在不同组织中的功能交互作用。

组织特异性相互作用：GIANT利用组织特异性金标准，从不同组织和细胞类型的大型数据汇编中自动生成与组织相关的数据集。由此产生的功能网络准确捕获组织特定的功能交互作用。
多组织分析：除了与单个基因在单个组织中的作用有关的问题外，GIANT还可以广泛地检查跨组织的基因功能变化。用户可以通过在下拉菜单中选择相关组织来比较基因在不同组织中的功能交互作用。
NetWAS分析：GIANT可以有效地从全基因组关联研究（GWAS）中重新确定功能关联的优先级，并可能识别其他疾病相关基因。这种名为NetWAS的方法可以应用于任何GWAS研究，并且不要求表型或疾病具有任何已知的相关基因。

HumanBase应用机器学习算法从大量基因组数据收集中学习生物关联。这些综合分析超越了文献中现有的“生物知识”，以确定新颖的、数据驱动的关联。

在来自多种生物的基因-基因网络的功能背景下分析您的实验结果。使用IMP来指导额外的功能实验，方法是识别路径中的新基因参与者或感兴趣的基因参与的额外过程。

KNNimpute是用于估计微阵列数据中缺失值的k近邻算法的实现。在我们对几种用于缺失值估计的不同方法进行的比较研究中，我们确定KNNimpute在各种情况下都具有优异的性能。

该服务器在硅纳米分离中执行，这是我们开发的一种方法，用于识别具有新的细胞膜特异表达的基因。这种方法利用组织匀浆的高通量功能基因组学数据来准确预测特定细胞类型中富集的基因。

SEEK是一个计算型基因共表达搜索引擎。SEEK为生物学家提供了一种浏览大规模人类表达简编的方法，该简编目前包含数千个表达数据集。SEEK返回由用户的查询基因定义的感兴趣生物区域中的共表达基因的稳健排名。同时，它还根据用户的兴趣查询对数千个表达式数据集进行优先级排序。SEEK的独特优势包括支持多基因查询和跨平台分析，以及丰富的可视化功能。

Sleipnir是一个C++库，支持对基因组数据进行有效的分析、集成、挖掘和机器学习。这包括对微阵列的特别关注，因为它们构成了许多生物体可用数据的大部分，但Sleipnir还可以整合多种其他数据类型，从成对物理交互到序列相似性或共享转录因子结合位点。所有分析都是在关注速度和内存使用的情况下进行的，从而能够集成涵盖成千上万个基因的数百个数据集。除了核心库之外，Sleipnir还提供了各种预先制作的工具，为常见数据处理任务和示例提供解决方案，以帮助您在自己的程序中使用Sleipni。Sleipnir是免费的、开源的、有完整文档记录的，可以单独使用，也可以作为计算生物学分析的一个组件使用。

现在这里是URSA和URSA（HD）的所在地。URSA和URSA（HD）利用数千个组织和疾病样本的基因表达谱，识别单个组织和疾病的不同分子特征。提交您的基因表达谱以使用这些分子特征并确定数据中的组织和疾病信号。

SkellySim是一个模拟软件包，用于模拟细胞组件，如柔性纤维、运动蛋白和任意刚体。它的设计具有高度可扩展性，能够同时支持OpenMP和MPI风格的并行，同时使用高效的STKFMM/PVFMM库进行流体力学解析。