ppflow
1.0.0
conda create -n ppflow python==3.9
conda activate ppflow
# install requirements
pip install -r requirements.txt
pip install easydict
pip install biopython
# mmseq
conda install bioconda::mmseqs2
# Alternative: obabel and RDkit
conda install -c openbabel openbabel
conda install conda-forge::rdkit
# Alternative for visualization: py3dmol
conda install conda-forge::py3dmol
# torch-geomstats
conda install -c conda-forge geomstats
# torch-scatter
pip install torch-scatter -f https://data.pyg.org/whl/torch-1.13.0+cu117.html
# OR: stable torch-scatter
pip install ./temp/torch_scatter-2.1.1+pt113cu117-cp39-cp39-linux_x86_64.whl
Proporcionamos el conjunto de datos procesado de PPBench2024 a través de Google Drive, junto con 'PPDBench' procesado.
Descargue data.zip y descúplelo, lo que lleva al directorio de archivos de datos como
- data
- processed
cluster_result_all_seqs.fasta
cluster_result_cluster.tsv
cluster_result_rep_seq.fasta
parsed_pair.pt
receptor_sequences.fasta
split.pt
- processed_bench
cluster_result_all_seqs.fasta
cluster_result_cluster.tsv
cluster_result_rep_seq.fasta
parsed_pair.pt
receptor_sequences.fasta
split.pt
pdb_benchmark.pt
pdb_filtered.pt
Si desea los conjuntos de datos sin procesar para el preprocesamiento, descárguelos a través de Google Drive. Descompensar el archivo de datasets_raw.zip , lo que lleva al directorio como
- dataset
- PPDbench
- 1cjr
peptide.pdb
recepotor.pdb
- 1cka
peptide.pdb
recepotor.pdb
...
- ppbench2024
- 1a0m_A
peptide.pdb
recepotor.pdb
Ejecute el siguiente comando para el entrenamiento PPFlow:
python train_ppf.py
Ejecute el siguiente comando para el entrenamiento DIFFPP:
python train_diffpp.py
Para RDE Finetuning, primero debe descargar el modelo RDE.pt previamente previo desde la unidad de Google, luego guárdelo como ./pretrained/RDE.pt , y finalmente, ejecute el siguiente comando para Finetuning:
python train_rde.py --fine_tune ./pretrained/RDE.pt
python codesign_diffpp.py -ckpt {where-the-trained-ckpt-is}
python codesign_ppflow.py -ckpt {where-the-trained-ckpt-is}
Aquí damos los puntos de control que están previos a la aparición, que se denomina ppflow_pretrained.pt y se puede descargar desde Google Drive. Puede descargarlo directamente y copiarlo ./pretrained/ppflow_pretrained.pt . Además, ejecute lo siguiente a la generación:
python codesign_diffpp.py -ckpt ./pretrained/ppflow_pretrained.pt
Si desea evaluar directamente los péptidos, proporcionamos los péptidos como codesign_results.tar.gz de nuestro Google Drive, que consta de 100 muestras / estructura de proteínas para una evaluación más estable, con resultados dados como
| Imp%-S (↑) | Validez (↑) | Novedad (↑) | Diversidad |
|---|---|---|---|
| 12.50% | 1.00 | 0.99 | 0.92 |
Debe evaluar archivos que terminan con _bb3.pdb como el PDB generado, ya que el elemento O en _bb4.pdb es inestable en nuestra función de reconstrucción.
conda install conda-forge::vina
pip install meeko
pip install git+https://github.com/Valdes-Tresanco-MS/AutoDockTools_py3.git@aee55d50d5bdcfdbcd80220499df8cde2a8f4b2a
pip install pdb2pqr
./tools/dock/vinadock.py da un ejemplo de nuestra interfaz Python para Vinadock.
apt-get install -y libfftw3-3 . Además, el software Hdock se puede descargar a través de: http://huanglab.phys.hust.edu.cn/software/hdocklite/. Después de descargarlo, instálelo o descúplalo en el directorio ./bin , lo que lleva a la estructura del archivo como - bin
- hdock
1CGl_l_b.pdb
1CGl_r_b.pdb
createpl
hdock
./tools/dock/hdock.py da un ejemplo de nuestra interfaz Python para Hdock.
conda config --add channels https://yourauthorizedid:[email protected]
conda install pyrosetta
./tools/relax/rosetta_packing.py da un ejemplo de nuestra interfaz Python para el embalaje de la cadena lateral de Rosetta.
./bin . Luego, descomponal, lo que llevará al directorio a parecer - bin
- FoldX
foldx
Donde FoldX es el software. ./tools/score/foldx_energy.py ofrece un ejemplo de nuestra interfaz Python para la estabilidad Foldx.
./bin . Si no es compatible con su sistema, instálelo a través de https://ccsb.scripps.edu/adcp/downloads/. Copie el ADFRsuite_x86_64Linux_1.0.tar en ./bin . Finalmente, el ADCP instalado en ./bin debería verse como - bin
- ADFRsuite_x86_64Linux_1.0
- Tools
CCSBpckgs.tar.gz
...
ADFRsuite_Linux-x86_64_1.0_install.run
uninstall
Recuerda agregarlo a tu huella de envío como
export PATH={Absolute-path-of-ppfolw}/bin/ADFRsuite_x86_64Linux_1.0/bin:$PATH
./tools/dock/adcpdock.py da un ejemplo de nuestra interfaz Python para ADCPDOCKING.
./bin , como - bin
- TMscore
TMscore
TMscore.cpp
Primero, clonelo a ./bin
cd ./bin
git clone https://github.com/pharmai/plip.git
cd plip
python setup.py install
alias plip='python {Absolute-path-of-ppfolw}/bin/plip/plip/plipcmd.py'
./tools/interaction/interaction_analysis.py da un ejemplo de nuestra interfaz Python para el análisis de interacción PLIP.
Los scripts de evaluación se dan en ./evaluation directorio./Evaluación, puede ejecutar lo siguiente para la evaluación en los experimentos principales:
# Evaluting the docking energy
python eval_bind.py --gen_dir {where-the-generated-peptide-is} --ref_dir {where-the-protein-pdb-is} --save_path {where-you-want-the-docked-peptide-to-be-saved-in}
# Evaluating the sequence and structure
python eval_bind.py --gen_dir {where-the-generated-peptide-is} --ref_dir {where-the-protein-pdb-is} --save_path {where-you-want-the-docked-peptide-to-be-saved-in}
Damos un par de archivos de ejemplo, por lo que el gen_dir puede ser ./results/ppflow/codesign_ppflow/0008_3tzy_2024_01_19__19_16_21 , ref_dir puede ser ./PPDbench/3tzy/ y el save_path puede ser ./results/ppflow/codesign_ppflow/0008_3tzy_2024_01_19__19_16_21 .
Si nuestro documento o el código en el repositorio es útil para usted, cite lo siguiente:
@inproceedings{lin2024ppflow,
author = {Lin, Haitao and Zhang, Odin and Zhao, Huifeng and Jiang, Dejun and Wu, Lirong and Liu, Zicheng and Huang, Yufei and Li, Stan Z.},
title = {PPFlow: Target-Aware Peptide Design with Torsional Flow Matching},
year = {2024},
booktitle={International Conference on Machine Learning},
URL = {https://www.biorxiv.org/content/early/2024/03/08/2024.03.07.583831},
eprint = {https://www.biorxiv.org/content/early/2024/03/08/2024.03.07.583831.full.pdf},
}
