ProCyon

融合多模态数据，精准预测蛋白质功能表型

ProCyon 是一个面向蛋白质表型的多模态基础模型，旨在解决蛋白质功能预测中数据异构和标签稀疏的问题。它能够整合蛋白质序列、结构、文本描述以及实验数据等多种模态信息，通过统一的表示学习框架，实现对蛋白质功能、相互作用、亚细胞定位等表型属性的预测。核心能力包括：多模态融合编码、零样本/少样本学习、以及可解释的注意力机制，帮助研究人员在缺乏标注数据的情况下快速探索蛋白质功能。项目处于早期阶段，代码库提供模型架构、训练脚本和推理示例，适合计算生物学和AI制药领域的研究者使用。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 61
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队mims-harvard
所属国家
官网地址https://zitniklab.hms.harvard.edu/ProCyon
GitHubhttps://github.com/mims-harvard/ProCyon
定价模式free
价格说明开源模型，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型biology,biomedical-ai,foundation-models,generalist-model,generative-ai,phenotypes,proteins
GitHub 星标★ 61
30天Star增速
HF 下载量
上线时间2024-09-24 00:00:00
最近更新2026-08-24 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 多模态融合设计，同时处理序列、结构、文本，信息利用更全面
  • 支持零样本预测，降低对标注数据的依赖，适合新蛋白研究
  • 提供可解释性注意力权重，帮助理解预测依据

不足之处

  • 文档/社区待观察
  • 模型规模与预训练数据细节未充分披露，复现门槛较高

适用场景

  • 蛋白质功能注释与未知蛋白快速筛查
  • 药物靶点发现中的蛋白-配体相互作用预测
  • 突变体表型影响评估

替代项目

ProtTrans、ESM-2、ProteinBERT

项目介绍

ProCyon 是开源模型领域的开源项目，由 mims-harvard 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 422 个项目，GitHub 星标数为 61。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-24。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：蛋白质功能注释与未知蛋白快速筛查。同类可对比的替代方案包括 ProtTrans、ESM-2、ProteinBERT。

上一篇：GFT

下一篇：awesome-ai-models

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10