AI模型分析蛋白并非只有AlphaFold，瑞源自主研发的AI-PPI模型在预测蛋白互作信息方面具有独特优势，同时还有其他如Unibind等模型也可用于蛋白分析。以下是对这些模型的详细介绍：
简介：2023年7月31日，澳门科技大学及北京邮电大学研究团队共同在nature medicine上发表了文献Deep-learning-enabled protein–protein interaction analysis for prediction of SARS-CoV-2 infectivity and variant evolution，研究开发了一种基于人工智能进行蛋白质相互作用（PPI）基础研究的框架Unibind。
数据基础：通过整合SKEMPI、MaveDB等数据库的数据，经过人工智能深度学习，得到具有前瞻性和可靠性的蛋白质互作及全面且准确的TF-DNA相互作用信息预测信息。
功能：
有效预测蛋白质结合亲和力，并且证明预测结果与实验数据达到高度相关。
在蛋白质复合体存在突变的情况下，Unibind都能表现出出色的预测性能。
简介：南京瑞源生物在基于传统蛋白互作的基础上，通过自主研发优化，与时俱进，开发了一项深度学习预测蛋白相互作用的模型AI-PPI。
数据基础：
BioGRID数据库：目前已更新至4.4版本，所有的相互作用关系数据基于文献，同时还收集了蛋白翻译后修饰以及生物活性小分子的相互作用。截至目前共收录2,711,919种蛋白质和遗传相互作用，31,144种化学相互作用以及1,128,339种翻译后修饰，并仍在随着科学研究进展不断更新。
STRING数据库：一个基于公共数据库和文献信息的蛋白质相互作用网络数据库。它收集了多个公共数据库，包括UniProt、KEGG、NCBI和Gene Ontology等，整合了这些数据并生成一个全面的蛋白质相互作用网络数据库。STRING数据库不仅提供了蛋白质相互作用网络的可视化，还能够提供蛋白质家族、途径和亚细胞定位等信息。
功能：
在基于传统蛋白互作的基础上，通过人工智能深度学习根据数据库信息构建物种三维结构库，并根据预测的蛋白质三维结构对蛋白质互作概率进行预测。
根据给出的互作概率预测，进行进一步实验验证，大大提升验证工作效率。
该技术可以广泛应用于包括酵母基因编辑等在内的生物学研究过程。
流程：
使用要求：只需要提供研究物种及诱饵蛋白序列即可完成。
交付成果：实验报告会清晰全面地展示AI分析所得数据，并提供该技术方法学文献。
技术实力：瑞源生物已拥有了全链路酵母实验技术解决方案，包括核与膜系统酵母库构建，酵母单杂、双杂、三杂筛选服务，酵母表面展示服务，酵母非生物胁迫抗性基因筛选服务，肽库构建及筛选服务等。
研发基地：瑞源拥有占地3500平方米的研发生产基地，专注于分子或蛋白质相互作用领域的酵母分子生物技术服务的研发。
科研团队：瑞源生物拥有一支由多名博士、硕士和高级工程师组成的专业科研团队，具有丰富的生物技术研发经验和创新能力，能够及时掌握行业动态和技术趋势，为公司提供强有力的技术支撑。
