普林斯顿等离子体物理实验室（Princeton Plasma Physics Laboratory，简称PPPL）是一家专注于等离子体科学与聚变能研究的国家实验室，致力于通过基础研究和工程实践推动清洁、可持续的能源技术发展。实验室在托卡马克、聚变装置与理论建模方面具有深厚积累，同时将等离子体技术应用于微电子、量子材料与可持续制造等领域，促进科研成果向产业化转化。PPPL 强调跨学科合作与人才培养，提供实习、学徒和研究生项目，并通过与企业、高校及政府机构的广泛合作推动科技创新与社会影响。实验室的旗舰项目包括 NSTX‑U、参与 ITER 合作以及 LTX‑beta，同时正在建设 Princeton Plasma Innovation Center（PPIC）以扩展科研与产业协同能力。
RCSB PDB（RCSB蛋白质数据库）是一个公开的结构生物学数据资源，汇集并提供对蛋白质与核酸三维结构数据的访问、可视化、搜索和分析工具。该网站不仅托管实验测定的PDB条目，还整合了计算模型（如AlphaFold DB与ModelArchive）、整合性结构和丰富的注释信息，支持科研与教育双重需求。RCSB PDB提供在线可视化（Mol*）、高级检索（序列/结构/化学相似性搜索）、程序化接口（Data API与Search API）、数据下载和投稿/验证工具（OneDep与验证服务器），并通过PDB‑101等教育资源推广结构生物学知识。无论是结构生物学研究者、教学人员还是软件开发者，都能通过其全面的服务链快速获取、分析并复用结构数据，促进科学发现与教学传播。
Rosetta Commons 是一个致力于生物分子建模与设计的开源社区与软件生态，汇集全球科研人员共享先进的计算方法与工具。该网站展示了 Rosetta 软件套件及相关项目（如 RosettaFold、RFdiffusion、ProteinMPNN、AtomWorks 与 ModelForge 等）的最新进展、开源仓库与 Docker 镜像，支持可重复的科学研究与协作开发。社区通过会议（如 RosettaCon 与 Megathon）、文档教程、代码托管与治理机制推动方法学创新，并为蛋白质折叠、相互作用预测与抗体设计提供实用工具与模型。无论是学术研究者还是工业用户，都可以在 Rosetta Commons 找到下载、教程、社区活动与最新研究成果，从而加速生物分子设计与发现。
AQ 实验室（AQ Laboratory）是一个专注于生物分子结构预测和计算蛋白质设计的开源研究与工程组织，在 GitHub 上以多个高影响力仓库著称。其代表性项目包括对 AlphaFold2 的可训练 PyTorch 重现实现 **openfold**、基于 AlphaFold3 思路的 **openfold-3**、以及用于蛋白质生成和基序支架设计的扩散模型 **genie/genie2**。此外，AQ 实验室还维护标准化数据集（如 **proteinnet**）、轻量级分子对接模型 **QuickBind**、以及若干与免疫受体、信号网络相关的工具与笔记本。项目多以 Python 与 Jupyter Notebook 实现，采用 Apache-2.0 或 MIT 等宽松许可证，便于学术复现与工程应用。该组织适合从事结构生物学、计算生物设计与机器学习研究的开发者与研究人员参与与使用。
AlphaFold Protein Structure Database（简称 AlphaFold 或 AlphaFold DB）是由 Google DeepMind 与 EMBL-EBI 联合开发并公开提供的蛋白质三维结构预测数据库，现已包含超过两亿条预测条目，覆盖了大量 UniProt 序列。该数据库以 DeepMind 的 AlphaFold2 为核心，通过序列输入预测蛋白质原子坐标并给出置信度评分（如 pLDDT），同时提供可视化的 PAE（Predicted Aligned Error）矩阵、单条蛋白及整套物种蛋白组的下载，以及用于注释、分析和教学的在线工具与培训课程。数据库对学术和商业用途开放，采用 CC-BY-4.0 许可证，用户可通过站内搜索、序列比对或 UniProt 描述快速定位目标序列，并可下载 JSON 格式的 PAE 数据用于二次分析。AlphaFold DB 还整合了 AlphaMissense 等衍生模型的资源，帮助评估错义突变的致病性倾向，广泛应用于结构生物学、药物研发、基因功能注释与教学培训等领域。
Baker Lab 是华盛顿大学蛋白质设计研究所（UW Institute for Protein Design）下的研究团队，致力于通过计算与实验相结合的迭代流程设计功能性蛋白质，解决医学、技术与可持续性领域的挑战。实验室开发并应用蛋白质设计软件，利用深度学习、分子建模与实验验证来改进设计方法和提高成功率。研究方向涵盖酶、肽、迷你结合子（minibinders）、分子器件、药物递送、纳米材料、膜蛋白与混合材料等多个领域。团队倡导开放协作的科学文化，发布大量出版物与博客内容，并持续招募新成员参与研究与开发。
AFLOW 是一个面向材料发现与计算材料学的综合平台与数据库，提供海量第一性原理计算数据和在线工具，支持材料结构、能带、热力学稳定性等多维属性查询与分析。AFLOW 数据库包含数百万种化合物（示例数据：约 3,929,948 个化合物）与数亿条计算属性（示例数据：超过 817,429,184 条），并持续增长。平台提供强大的在线应用与可下载工具，如 AFLOW-ML（机器学习模型）、AFLOW-CHULL（凸包相图计算）、Prototype Encyclopedia（原型百科）以及 REST API 与 AFLUX 检索接口，方便研究人员高效检索、比较与预测材料性能。AFLOW 同时提供教程、研讨会与 AFLOW School，以便用户学习与实践该平台的高级功能与工作流程。
Materials Project（材料项目）是一个基于超级计算和先进第一性原理方法的开放式材料数据库与分析平台，向研究者提供已知与预测材料的计算性质数据、结构信息和可视化工具。网站收录数十万条材料与分子记录，并通过材料浏览器（Materials Explorer）、相图工具、合成探索器和专用应用程序，支持按化学成分、结构或物性进行快速检索与筛选。注册用户可免费获取 API 访问权限（如 MPRester 客户端），方便将数据库数据嵌入自定义工作流中，用于相图计算、电池材料筛选、催化剂设计等研究任务。凭借大规模计算资源与丰富的数据产品，Materials Project 致力于加速材料发现与工程设计流程。
