Deep Finder est un outil d'analyse d'images développé pour aider les scientifiques à identifier et à classer des structures protéiques dans des données de microscopie cryo-électronique. Il est basé sur des algorithmes de deep learning et offre une interface graphique conviviale pour faciliter son utilisation. Deep Finder a été testé avec succès sur des données de tomographie cryo-électronique et a démontré une grande précision dans la détection et la segmentation de structures cellulaires.

Ce projet offre un ensemble d'outils pour la découverte de médicaments dans les interactions protéine-protéine. Il permet la prédiction de sites d'interactivité et de ligandabilité sur une structure protéique, ainsi que le suivi des scores associés à ces valeurs au cours d'une analyse de dynamique moléculaire. Les prédictions peuvent être visualisées facilement.

Ce projet propose un outil en ligne de commande pour la découverte de médicaments dans le cadre de PPI (interactions protéine-protéine). Il permet la prédiction de sites d'interactibilité et ligandabilité sur une structure protéique, avec des scores associés qui peuvent être surveillés au cours d'une analyse MD.

ColorDocking est un projet d'analyse et de visualisation de données biologiques, permettant la prédiction de structures protéiques. Il est composé de scripts C et Python et nécessite l'activation d'un environnement spécifique via Micromamba.