KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Landwirtschaft › R-Predictor
✦ Frei & Open SourceLandwirtschaft

R-Predictor

Pipeline zur Annotation von Resistenzgenen gegen Pflanzenkrankheiten mithilfe von Deep-Protein-Sprachmodellen.

R-Predictor: Pflanzen-R-Gen-Annotation

De-novo-Annotation von 15 verschiedenen Domänentopologien von Pflanzenkrankheits-Resistenzgenen.

Für immer kostenlos · quelloffen einsehbar · Licence not stated in the repository
✓ Needs IT✓ Im Browser✓ Echtzeit-Zusammenarbeit
5.5
ZEKAI
Leistungsstarke R-Gen-Annotation-Pipeline
Frei & Open Source · Landwirtschaft
Einfache Einrichtung2
Nützlichkeit8
Wartung7
Community5
★ 108
GITHUB
May 2026
AKTUALISIERT
Licence not stated in the repository
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

R-Predictor ist eine Deep-Learning- und Machine-Learning-Pipeline, die entwickelt wurde, um 15 verschiedene Domänentopologien von Krankheitsresistenzgenen in Pflanzengenomen zu annotieren. Sie ist für Forscher und Bioinformatiker konzipiert, die in der Pflanzengenomik und der intelligenten Landwirtschaft arbeiten.

Läuft auf
Cross-platform
Hosting
Self-host
Sprachen
Python
Lizenz
Licence not stated in the repository

Was es ist

Die Pipeline integriert vier Datenvorverarbeitungs- und Identifizierungsmodule unter Verwendung angepasster Filterskripte und evaluierter Methoden. Sie akzeptiert Proteinsequenzen im FASTA-Format als Eingabe und gibt 15 separate Dateien aus, die verschiedenen Domänentopologien von Krankheitsresistenzproteinen entsprechen.

Für wen

Sie eignet sich für Pflanzengenetiker und Bioinformatiker, die Ganzgenom-Proteinsequenzen auf Resistenzgenanaloga untersuchen. Sie eignet sich nicht für Forscher ohne CLI-Erfahrung oder solche, denen die Ressourcen fehlen, um mehrere komplexe Bioinformatik-Abhängigkeiten zu verwalten.

Wichtige Funktionen

Deep-Protein-Sprachmodelle

Integriert ESM-1v- und ESM-LRR-Modelle für die fortgeschrittene Proteinsequenzanalyse.

Mehrere Domänentopologien

Annotiert automatisch 15 verschiedene Domänentopologien von Pflanzenkrankheits-Resistenzgenen.

Flexibel FASTA-Eingaben

Unterstützt die Ausführung von Analysen an einzelnen Proteindateien oder der stapelverarbeitung von Proteineinzelordnern.

Umfassende Datenbankintegration

Kombiniert die Abhängigkeiten Pfam36.0, SignalP 6.0, TMHMM-2.0, ProSite und Paircoil2.

Erste Schritte

Startklar in 3 Schritten

1
Erstellen und konfigurieren Sie die erforderlichen conda-Umgebungen für Pfam-, SignalP- und ESM-LRR-Abhängigkeiten.
2
Laden Sie die erforderlichen Modelldateien und Datenbanken, einschließlich PfamA und ESM-1v, herunter und entpacken Sie sie in die dafür vorgesehenen Verzeichnisse.
3
Führen Sie die Pipeline mit python pipeline.py und Ihrer FASTA-Proteineingabedatei oder Ihrem Eingabeordner aus.
Klartext

Unser ehrliches Fazit

Stärken

  • Identifiziert 15 verschiedene Krankheitsresistenzgen-Domänentopologien in Pflanzen
  • Kombiniert mehrere etablierte biologische Datenbanken wie Pfam36.0 und ProSite
  • Unterstützt die Stapelverarbeitung mehrerer Proteindateien in einem Verzeichnis
  • Nutzt modernste Deep-Protein-Sprachmodelle wie ESM-1v und ESM-LRR

Schwächen

  • Komplexe Installation, die mehrere separate conda-Umgebungen und manuelle Pfadkonfigurationen erfordert
  • Abhängig von Tools von Drittanbietern wie SignalP 6.0, TMHMM-2.0 und Paircoil2, die strenge Einrichtungsschritte erfordern
  • Erfordert manuelle Skriptänderungen für spezifische Abhängigkeitsdateipfade
  • Mögliche 64-Bit-Kompatibilitätsprobleme mit den Konfigurationsdateien von Paircoil2
Kosten

Preise & Lizenz

Der Quellcode ist kostenlos nutzbar, obwohl die README keine formelle open source Lizenz angibt. Es gibt keine gehostete SaaS-Option; die einzigen Kosten bestehen darin, ihn selbst auf eigener Hardware oder in einer HPC-Umgebung auszuführen.

Bezahlte Arbeit

Stellen für Deutschsprachige

877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

🎁 Freie & Open-Source-Alternativen

Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: R-Predictor für Landwirtschaft
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren R-Predictor für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Welches Eingabeformat benötigt R-Predictor?

Es benötigt Proteinsequenzen im FASTA-Format, bei denen Kopfzeilen aus einem '>' gefolgt von einer eindeutigen Protein-ID bestehen.

Welche Tools und Datenbanken sind zum Ausführen der Pipeline erforderlich?

Zu den Abhängigkeiten gehören Pfam36.0, SignalP 6.0, TMHMM-2.0, ESM-1v, ESM-LRR, ProSite und Paircoil2.

Wie viele Ausgabedateien werden generiert?

Es generiert 15 Proteinsequenzdateien, die jeweils ein Pflanzenkrankheitsresistenzprotein mit einer anderen Domänentopologie repräsentieren.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Landwirtschaft — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen