Загрузка druggpt - Загрузка исходного кода druggpt

druggpt

Другой исходный код

1.0.0

Скачать

? ПрепаратGPT

Стратегия на основе GPT для разработки потенциальных лигандов, нацеленных на определенные белки

? НОВОСТИ

11.08.2024 Мы рады объявить о новой функции «Минимизация энергии лигандов», которая теперь доступна в нашей последней версии. Кроме того, изучите наш новый инструмент Druggpt_min_multi.py, разработанный специально для эффективной минимизации энергии нескольких лигандов.
30 июля 2024 г. Завершены все проверки в мокрых лабораториях, подтверждающие, что DrugGPT обладает возможностями оптимизации лигандов.
16.05.2024 Эксперименты в мокрой лаборатории подтверждают способность Druggpt создавать лиганды с новыми каркасами с нуля и перепрофилировать существующие лиганды. Оптимизация лигандов все еще находится на стадии оценки. Следите за обновлениями!
16.05.2024 Версия была обновлена до Druggpt_v1.2, в которой появились новые возможности управления числом атомов. Из-за проблем с совместимостью webui был удален.
03.04.2024 Версия обновлена до Druggpt_v1.1, повышена стабильность и добавлен веб-интерфейс. В будущих версиях будет реализован контроль количества атомов в молекулах. Следите за обновлениями.
2024/03/31 После тщательного рассмотрения я планирую создать новые репозитории с именами Druggpt_toolbox и Druggpt_train для хранения скриптов инструментов постобработки и обучающих скриптов соответственно. Это хранилище должно быть сосредоточено в первую очередь на создании молекул-кандидатов в лекарства.
31.03.2024 Я решил создать ветку под названием Druggpt_v1.0 для текущей версии, поскольку это стабильная версия. В дальнейшем я продолжу обновлять код.
2024/01/18 Этот проект сейчас находится на стадии экспериментальной оценки, чтобы подтвердить его реальную ценность в исследованиях лекарств. Пожалуйста, продолжайте следить за нами!

Введение

DrugGPT представляет стратегию разработки лигандов, основанную на авторегрессионной модели GPT, с упором на химическое исследование космоса и открытие лигандов для конкретных белков. Языковые модели глубокого обучения продемонстрировали значительный потенциал в различных областях, включая дизайн белков и анализ биомедицинских текстов, что обеспечивает надежную поддержку предложения DrugGPT.

В этом исследовании мы используем модель DrugGPT, чтобы изучить значительный объем данных о связывании белков с лигандами, стремясь обнаружить новые молекулы, которые могут связываться со специфическими белками. Эта стратегия не только значительно повышает эффективность разработки лигандов, но также предлагает быстрый и эффективный путь для процесса разработки лекарств, открывая новые возможности в фармацевтической области.

? Развертывание

Клонировать

git clone https://github.com/LIYUESEN/druggpt.git
cd druggpt

Или вы можете просто нажать «Код»> «Загрузить ZIP», чтобы загрузить этот репозиторий.

Создать виртуальную среду Python

conda create -n druggpt python=3.7
conda activate druggpt

Установите PyTorch и другие требования.

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
pip install datasets transformers scipy scikit-learn psutil
conda install conda-forge/label/cf202003::openbabel

? Как использовать

Запустить команду

Используйте Drug_generator.py

Обязательные параметры:

-p | --pro_seq : Введите аминокислотную последовательность белка.
-f | --fasta : введите файл FASTA.
Должен быть указан только один из -p и -f.
-l | --ligand_prompt : введите запрос лиганда.
-e | --empty_input : включить режим прямой генерации.
-n | --number : По крайней мере, сколько молекул будет сгенерировано.
-d | --device : используемое аппаратное устройство. По умолчанию — «куда».
-o | --output : Выходной каталог для сгенерированных молекул. По умолчанию — «./ligand_output/».
-b | --batch_size : сколько молекул будет создано за партию. Попробуйте уменьшить это значение, если у вас мало оперативной памяти. По умолчанию — 16.
-t | --temperature : регулирует случайность генерации текста; более высокие значения дают более разнообразные результаты. Значение по умолчанию — 1,0.
--top_k : количество токенов с наибольшей вероятностью, которые следует учитывать при выборке top-k. По умолчанию 9.
--top_p : совокупный порог вероятности (0,0–1,0) для выборки top-p (ядра). Он определяет минимальное подмножество токенов, которые следует учитывать при случайной выборке. По умолчанию 0,9.
--min_atoms : Минимальное количество атомов, отличных от H, разрешенное для генерации. По умолчанию — Нет.
--max_atoms : Максимальное количество атомов, отличных от H, разрешенное для генерации. По умолчанию 35.
--no_limit : отключить ограничение максимального количества атомов по умолчанию.
Если -l | Используется опция --ligand_prompt , параметры --max_atoms и --min_atoms будут игнорироваться.

? Запустить в Google Colab

? Пример использования

Если вы хотите ввести файл белка FASTA
```
python drug_generator.py -f bcl2.fasta -n 50
```

Если вы хотите ввести аминокислотную последовательность белка

python drug_generator.py -p MAKQPSDVSSECDREGRQLQPAERPPQLRPGAPTSLQTEPQGNPEGNHGGEGDSCPHGSPQGPLAPPASPGPFATRSPLFIFMRRSSLLSRSSSGYFSFDTDRSPAPMSCDKSTQTPSPPCQAFNHYLSAMASMRQAEPADMRPEIWIAQELRRIGDEFNAYYARRVFLNNYQAAEDHPRMVILRLLRYIVRLVWRMH -n 50

Если вы хотите предоставить подсказку для лиганда
```
python drug_generator.py -f bcl2.fasta -l COc1ccc(cc1)C(=O) -n 50
```
Примечание. Если вы работаете в среде Linux, вам необходимо заключить приглашение лиганда в одинарные кавычки ('').
```
python drug_generator.py -f bcl2.fasta -l ' COc1ccc(cc1)C(=O) ' -n 50
```