druggpt

?药物GPT

基于 GPT 的策略，用于设计针对特定蛋白质的潜在配体

？消息

2024/08/11我们很高兴地宣布一项新功能“配体能量最小化”，现已在我们的最新版本中提供。此外，探索我们的新工具 druggpt_min_multi.py，该工具专为多个配体的有效能量最小化而设计。
2024/07/30所有湿实验室验证均已完成，证实DrugGPT具备配体优化能力。
2024/05/16湿实验室实验证实 druggpt 有能力从头开始设计具有新支架的配体并重新利用现有配体。配体优化仍在评估中。请继续关注更多更新！
2024/05/16版本升级至druggpt_v1.2，新增原子数控制能力。由于兼容性问题，webui 已被删除。
2024/04/03版本升级至druggpt_v1.1，增强稳定性并添加webui。未来的版本将具有分子中原子数控制的功能。敬请关注。
2024/03/31经过深思熟虑，我计划创建新的存储库，名为 druggpt_toolbox 和 druggpt_train 分别用于存储后处理工具脚本和训练脚本。该存储库应主要关注候选药物分子的生成。
2024/03/31我决定为当前版本创建一个名为 druggpt_v1.0 的分支，因为它是一个稳定版本。后续我会继续更新代码。
2024/01/18该项目目前正在进行实验评估，以确认其在药物研究中的实际价值。请继续关注我们！

介绍

DrugGPT 提出了一种基于自回归模型 GPT 的配体设计策略，专注于化学空间探索和特定蛋白质配体的发现。深度学习语言模型在蛋白质设计、生物医学文本分析等多个领域展现出巨大潜力，为DrugGPT的主张提供了有力支持。

在本研究中，我们采用 DrugGPT 模型来学习大量的蛋白质-配体结合数据，旨在发现可以与特定蛋白质结合的新型分子。该策略不仅显着提高了配体设计的效率，还为药物开发过程提供了快速有效的途径，为制药领域带来了新的可能性

？部署

克隆

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

或者您只需单击“代码”>“下载 ZIP”即可下载此存储库。

创建Python虚拟环境

conda create -n druggpt python=3.7
conda activate druggpt

安装 PyTorch 和其他要求

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

？如何使用

在命令中运行

使用 drug_generator.py

所需参数：

• -p | --pro_seq ：输入蛋白质氨基酸序列。

• -f | --fasta : 输入 FASTA 文件。

  只能指定 -p 和 -f 之一。

• -l | --ligand_prompt : 输入配体提示。

• -e | --empty_input ：启用直接生成模式。

• -n | --number ：至少会生成多少个分子。

• -d | --device ：要使用的硬件设备。默认为“cuda”。

• -o | --output ：生成分子的输出目录。默认为“./ligand_output/”。

• -b | --batch_size ：每批次将生成多少个分子。如果 RAM 较低，请尝试减小该值。默认值为 16。

• -t | --temperature ：调整文本生成的随机性；更高的值会产生更多样化的输出。默认值为 1.0。

• --top_k ：top-k 采样要考虑的最高概率标记的数量。默认为 9。

• --top_p ：top-p（核）采样的累积概率阈值（0.0 - 1.0）。它定义了随机采样时考虑的最小标记子集。默认为 0.9。

• --min_atoms ：允许生成的非 H 原子的最小数量。默认为无。

• --max_atoms ：允许生成的非 H 原子的最大数量。默认为 35。

• --no_limit ：禁用默认的最大原子限制。

  如果-l |使用--ligand_prompt选项， --max_atoms和--min_atoms参数将被忽略。

？在 Google Colab 中运行

？用法示例

• 如果您想输入蛋白质 FASTA 文件

  python drug_generator.py -f bcl2.fasta -n 50

• 如果你想输入蛋白质的氨基酸序列

  python drug_generator.py -p MAKQPSDVSSECDREGRQLQPAERPPQLRPGAPTSLQTEPQGNPEGNHGGEGDSCPHGSPQGPLAPPASPGPFATRSPLFIFMRRSSLLSRSSSGYFSFDTDRSPAPMSCDKSTQTPSPPCQAFNHYLSAMASMRQAEPADMRPEIWIAQELRRIGDEFNAYYARRVFLNNYQAAEDHPRMVILRLLRYIVRLVWRMH -n 50

• 如果您想提供配体提示

  python drug_generator.py -f bcl2.fasta -l COc1ccc(cc1)C(=O) -n 50

• 注意：如果您在Linux环境中运行，则需要将配体的提示符用单引号（''）括起来。

  python drug_generator.py -f bcl2.fasta -l ' COc1ccc(cc1)C(=O) ' -n 50

如何引用该作品

DrugGPT：基于 GPT 的策略，用于设计针对特定蛋白质的潜在配体

李跃森、高成毅、宋鑫、王翔宇、徐云刚、韩素霞

生物Rxiv 2023.06.29.543848； doi：https://doi.org/10.1101/2023.06.29.543848

⚖ 许可证

GNU 通用公共许可证 v3.0