Add icon and SCNET

README.md

 # Uni-Fold
 
 ## 论文
+`Uni-Fold: An Open-Source Platform for Developing Protein Folding Models beyond AlphaFold`
+- https://www.biorxiv.org/content/biorxiv/early/2022/08/06/2022.08.04.502811.full.pdf
 
-Uni-Fold: An Open-Source Platform for Developing Protein Folding Models beyond AlphaFold
-https://www.biorxiv.org/content/biorxiv/early/2022/08/06/2022.08.04.502811.full.pdf
 ## 模型结构
 模型核心是一个基于Transformer架构的神经网络，包括两个主要组件：Sequence to Sequence Model和Structure Model，这两个组件通过迭代训练进行优化，以提高其预测准确性。
 
@@ -15,7 +15,6 @@ https://www.biorxiv.org/content/biorxiv/early/2022/08/06/2022.08.04.502811.full.
 ![img](./alphafold2_1.png)
 
 ## 环境配置
-
 提供[光源](https://www.sourcefind.cn/#/service-details)拉取的训练的docker镜像：
 
 ```
@@ -24,7 +23,9 @@ docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --p
 
 cd /root/Uni-Fold-main
 ```
+
 安装requirement.txt中的工具，镜像中已经安装好,加载方式
+
 ```
 export PATH=/root/software/hmmer/bin${PATH:+:${PATH}}
 
@@ -34,8 +35,9 @@ export PATH=/root/software/kalign/bin${PATH:+:${PATH}}
 
 export LD_LIBRARY_PATH=/root/software/hh-suite-master/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
 ```
+
 ## 数据集
-推荐使用AlphaFold2中的开源数据集，包括BFD、MGnify、PDB70、Uniclust、Uniref90等,数据集大小约2.62TB。数据集格式如下：
+推荐使用[AlphaFold2](http://113.200.138.88:18080/aidatasets/project-dependency/alphafold)中的开源数据集，包括BFD、MGnify、PDB70、Uniclust、Uniref90等,数据集大小约2.62TB。数据集格式如下：
 ```
 $DOWNLOAD_DIR/
     bfd/
@@ -76,13 +78,14 @@ $DOWNLOAD_DIR/
     uniref90/
         uniref90.fasta
 ```
+
 此处提供了一个脚本download_all_data.sh用于下载使用的数据集和模型文件：
+
 ```
 bash scripts/download/download_all_data.sh /path/to/database/directory
 ```
 
 ## 推理
-
 ### 安装
 #### 安装Uni-Core-main(如使用镜像，则无需再次安装)
 ```
@@ -92,26 +95,30 @@ export CUDA_HOME=/opt/dtk-22.04.2
 
 python3 setup.py install
 ```
+
 #### 安装Uni-Fold-main(如使用镜像，则无需再次安装)
 ```
 pip install -e .
 ```
+
 ### 多卡测试
 #### 多聚体参考脚本,需要根据实际情况修改路径配置
 ```
 sh run_multimer.sh
 ```
+
 #### 单聚体参考脚本,需要根据实际情况修改路径配置
 ```
 sh run_monomer.sh
 ```
+
 ## result
 ![img](./result_pdb.png)
 
 ### 精度
 无
-## 应用场景
 
+## 应用场景
 ### 算法类别
 蛋白质结构预测
 
@@ -119,8 +126,7 @@ sh run_monomer.sh
 医疗,科研,教育
 
 ## 源码仓库及问题反馈
-* https://developer.hpccube.com/codes/modelzoo/uni-fold
+- https://developer.hpccube.com/codes/modelzoo/uni-fold
 
 ## 参考资料
-* https://github.com/dptech-corp/Uni-Fold 
-
+- https://github.com/dptech-corp/Uni-Fold