BioNeMo viene con tres LLM previamente entrenados.  MegaMolBART es un modelo de química generativa entrenado con 1,400 millones de moléculas (cadenas SMILES) y se puede utilizar para una variedad de aplicaciones de quimioterapia.

ESM-1, basado en el estado del arte de Meta AI ESM-1b, y ProtT5 son modelos de lenguaje de proteínas basados en transformers que pueden ser utilizados para generar incorporaciones aprendidas para tareas como la estructura de proteínas y la predicción de propiedades.

OpenFold, un modelo de deep learning para la predicción de la estructura 3D de nuevas secuencias de proteínas, estará disponible en el servicio BioNeMo.

BioNeMo permite a los desarrolladores implementar LLM con miles de millones y billones de parámetros. Los modelos de idiomas proteicos de la actualidad contienen miles de millones de parámetros que requieren una infraestructura de supercomputación para la inferencia en el vasto espacio químico. La escalabilidad dinámica de recursos en la nube permite que los procesos de inferencia de LLM se escalen automáticamente para satisfacer las demandas de computación.

BioNeMo facilita la introducción de modelos previamente entrenados, descargadores automáticos y preprocesadores para bases de datos UniRef50 y ZINC. Varios modelos, incrustaciones y salidas se pueden combinar para reunir datos multimodales, gracias a estudiantes estructurados no supervisados. El entrenamiento previo sin supervisión también elimina la necesidad de datos etiquetados, lo que acelera la generación de incrustaciones aprendidas para predecir la estructura de proteínas, la función, la ubicación celular, la solubilidad del agua, la vinculación de la membrana, las regiones conservadas y variables, y más.