bio_embeddings
v0.2.2
Ressourcen zum Erlernen von Bio_embedings:
examples für Pipeline -Konfigurationen A und notebooks an.Projektziele:
Das Projekt enthält:
Sie können bio_embeddings über PIP installieren oder sie über Docker verwenden. Beachten Sie die zusätzlichen Abhängigkeiten für align .
Installieren Sie die Pipeline und alle Extras wie SO:
pip install bio-embeddings[all]Um die instabile Version zu installieren, installieren Sie bitte die Pipeline wie SO:
pip install -U " bio-embeddings[all] @ git+https://github.com/sacdallago/bio_embeddings.git "Wenn Sie nur ein bestimmtes Modell (z. B. ein ESM- oder Prottransmodell) ausführen müssen, können Sie Bio-Embeddings ohne Abhängigkeiten installieren und dann die modellspezifische Abhängigkeit installieren, z. B.:
pip install bio-embeddings
pip install bio-embeddings[prottrans]Die Extras sind:
Wir bieten ein Docker -Bild unter ghcr.io/bioembeddings/bio_embeddings . Einfaches Nutzungsbeispiel:
docker run --rm --gpus all
-v "$(pwd)/examples/docker":/mnt
-v bio_embeddings_weights_cache:/root/.cache/bio_embeddings
-u $(id -u ${USER}):$(id -g ${USER})
ghcr.io/bioembeddings/bio_embeddings:v0.1.6 /mnt/config.yml
Anweisungen finden Sie im Beispiel docker im examples -Ordner. Sie können auch ghcr.io/bioembeddings/bio_embeddings:latest verwenden, das aus dem neuesten Commit basiert.
Um das Protokoll mmseqs_search oder die mmsesq2 -Funktionen in align zu verwenden, müssen Sie zusätzlich MMSEQS2 auf Ihrem Pfad haben.
bio_embeddings wurde für Unix -Maschinen mit GPU -Funktionen entwickelt und CUDA installiert. Wenn Ihr Setup davon abweist, können Sie auf einige Inkonsistenzen stoßen (z. B. die Geschwindigkeit wird durch das Fehlen einer GPU und CUDA erheblich beeinflusst). Für Windows -Benutzer empfehlen wir dringend die Verwendung von Windows Subsystem für Linux.
Jedes Models hat seine Stärken und Schwächen (Geschwindigkeit, Spezifität, Memory Footprint ...). Es gibt keine "Eins-Fits-All" und wir ermutigen Sie, beim Versuch eines neuen Erkundungsprojekts zumindest zwei verschiedene Modelle auszuprobieren.
Die Modelle prottrans_t5_xl_u50 , esm1b , esm , prottrans_bert_bfd , prottrans_albert_bfd , seqvec und prottrans_xlnet_uniref100 wurden alle mit dem Ziel systematischer Vorhersagen geschult. Aus diesem Pool glauben wir, dass das optimale Modell für prottrans_t5_xl_u50 , gefolgt von esm1b ist.
Wir empfehlen Ihnen dringend, den examples Ordner für Pipeline-Beispiele und den notebooks -Ordner für die Nachbearbeitungspipeline und die Verwendung der Einscheiben für die Verarbeitung von Pipeline zu überprüfen.
Nachdem Sie das Paket installiert haben, können Sie:
Verwenden Sie die Pipeline wie:
bio_embeddings config.yml Eine Blaupause der Konfigurationsdatei und ein Beispiel -Setup finden Sie im examples dieses Repositorys.
Verwenden Sie die allgemeinen Einbettungsobjekte über Python, z. B.:
from bio_embeddings . embed import SeqVecEmbedder
embedder = SeqVecEmbedder ()
embedding = embedder . embed ( "SEQVENCE" ) Weitere Beispiele finden Sie im notebooks -Ordner dieses Repositorys.
Wenn Sie bio_embeddings für Ihre Recherche verwenden, würden wir es uns freuen, wenn Sie das folgende Papier zitieren könnten:
Dallago, C., Schütze, K., Heinzinger, M., Olenyi, T., Littmann, M., Lu, Ax, Yang, KK, Min, S., Yoon, S., Morton, JT & Rost, B. (2021). Erfahrene Einbettungen aus dem tiefen Lernen, um Proteinsätze zu visualisieren und vorherzusagen. Stromprotokolle, 1, E113. doi: 10.1002/cpz1.113
Das entsprechende Bibtex:
@article{https://doi.org/10.1002/cpz1.113,
author = {Dallago, Christian and Schütze, Konstantin and Heinzinger, Michael and Olenyi, Tobias and Littmann, Maria and Lu, Amy X. and Yang, Kevin K. and Min, Seonwoo and Yoon, Sungroh and Morton, James T. and Rost, Burkhard},
title = {Learned Embeddings from Deep Learning to Visualize and Predict Protein Sets},
journal = {Current Protocols},
volume = {1},
number = {5},
pages = {e113},
keywords = {deep learning embeddings, machine learning, protein annotation pipeline, protein representations, protein visualization},
doi = {https://doi.org/10.1002/cpz1.113},
url = {https://currentprotocols.onlinelibrary.wiley.com/doi/abs/10.1002/cpz1.113},
eprint = {https://currentprotocols.onlinelibrary.wiley.com/doi/pdf/10.1002/cpz1.113},
year = {2021}
}
Additionally, we invite you to cite the work from others that was collected in `bio_embeddings` (see section _"Tools by category"_ below). We are working on an enhanced user guide which will include proper references to all citable work collected in `bio_embeddings`.
Möchten Sie Ihr eigenes Modell hinzufügen? Siehe Anweisungen für Anweisungen.
prottrans_t5_xl_u50 Rest- und Sequenz-Einbettungen des menschlichen Proteoms bei voller Genauigkeit + Sekundärstruktur Vorhersagen + subzelluläre Lokalisierungsvorhersagen:prottrans_t5_xl_u50 Reste und Sequenzeinbettungen des Fliegenproteoms bei voller Genauigkeit + Sekundärstruktur Vorhersagen + subzelluläre Lokalisierungsvorhersagen + Erhaltung Vorhersage + Variationsvorhersage: 
