Inicio>Relacionado con la programación>Pitón
Descargar



Documentación | Papel | Tutoriales | Instalación

Proteína y biblioteca de gráficos interactómicos

Este paquete proporciona funcionalidad para producir representaciones geométricas de estructuras de proteínas y ARN, y redes de interacción biológica. Proporcionamos compatibilidad con formatos PyData estándar, así como objetos gráficos diseñados para la facilidad de uso con las populares bibliotecas de aprendizaje profundo.

¿Qué hay de nuevo?

1.7.0 Conjuntos de datos FoldComps
1.7.0 Creación de conjuntos de datos desde el PDB
1.6.0 Módulo de tensor de proteína
1.5.0 ¡Creación de gráficos de proteínas de Alfafold2!
1.5.0 Construcción del gráfico de ARN a partir de notación de dotbracket
1.4.0 Construcción de gráficos moleculares
1.3.0 DataLoaders listos para llevar para Pytorch Geométrico
1.2.0 Extracción de subgraphs de gráficos de proteínas
1.2.0 Análisis de gráficos de proteínas
1.2.0 CLI grafeo
1.2.0 ¡Visualización del gráfico de proteínas!
1.1.0 Proteína - Soporte de la red de interacción proteína e interactómica estructural (¡usando Alfafold2!)
1.0.0 API de alto y bajo nivel para una flexibilidad masiva: ¡cree sus propios flujos de trabajo a medida!

Uso de ejemplo

Grapein proporciona una API programática y una interfaz de línea de comandos para construir gráficos.

CLI

Las configuraciones de Grapein se pueden especificar como archivos .yaml para lotes de gráficos de proceso desde la línea de comandos.

Documento 

graphein -c config.yaml -p path/to/pdbs -o path/to/output

Creando un gráfico de proteínas

Tutorial (nivel de residuos) Tutorial (atómico) Documento 
 from graphein . protein . config import ProteinGraphConfig
from graphein . protein . graphs import construct_graph

config = ProteinGraphConfig ()
g = construct_graph ( config = config , pdb_code = "3eiy" )

Creación de un gráfico de proteína a partir de la base de datos de estructura de proteínas Alfafold

Tutorial Documento 
 from graphein . protein . config import ProteinGraphConfig
from graphein . protein . graphs import construct_graph
from graphein . protein . utils import download_alphafold_structure

config = ProteinGraphConfig ()
fp = download_alphafold_structure ( "Q5VSL9" , aligned_score = False )
g = construct_graph ( config = config , path = fp )

Creando una malla de proteínas

Tutorial Documento 
 from graphein . protein . config import ProteinMeshConfig
from graphein . protein . meshes import create_mesh

verts , faces , aux = create_mesh ( pdb_code = "3eiy" , config = config )

Creación de gráficos moleculares

Grapein puede crear gráficos moleculares a partir de cadenas de sonrisas, así como archivos .sdf , .mol2 y .pdb

Tutorial Documento 
 from graphein . molecule . config import MoleculeGraphConfig
from graphein . molecule . graphs import construct_graph

g = create_graph ( smiles = "CC(=O)OC1=CC=CC=C1C(=O)O" , config = config )

Creando un gráfico de ARN

Tutorial Documento 
 from graphein . rna . graphs import construct_rna_graph
# Build the graph from a dotbracket & optional sequence
rna = construct_rna_graph ( dotbracket = '..(((((..(((...)))..)))))...' ,
                          sequence = 'UUGGAGUACACAACCUGUACACUCUUUC' )

Creación de un gráfico de interacción proteína-proteína

Tutorial Documento 
 from graphein . ppi . config import PPIGraphConfig
from graphein . ppi . graphs import compute_ppi_graph
from graphein . ppi . edges import add_string_edges , add_biogrid_edges

config = PPIGraphConfig ()
protein_list = [ "CDC42" , "CDK1" , "KIF23" , "PLK1" , "RAC2" , "RACGAP1" , "RHOA" , "RHOB" ]

g = compute_ppi_graph ( config = config ,
                      protein_list = protein_list ,
                      edge_construction_funcs = [ add_string_edges , add_biogrid_edges ]
                     )

Creación de un gráfico de red reguladora de genes

Tutorial Documento 
 from graphein . grn . config import GRNGraphConfig
from graphein . grn . graphs import compute_grn_graph
from graphein . grn . edges import add_regnetwork_edges , add_trrust_edges

config = GRNGraphConfig ()
gene_list = [ "AATF" , "MYC" , "USF1" , "SP1" , "TP53" , "DUSP1" ]

g = compute_grn_graph (
    gene_list = gene_list ,
    edge_construction_funcs = [
        partial ( add_trrust_edges , trrust_filtering_funcs = config . trrust_config . filtering_functions ),
        partial ( add_regnetwork_edges , regnetwork_filtering_funcs = config . regnetwork_config . filtering_functions ),
    ],
)

Instalación

Pepita

La instalación más simple es a través de PIP. NB Esto no instala bibliotecas ML/DL que se requieren para la conversión a sus formatos de datos y para generar mallas de estructura de proteínas con Pytorch 3D. Más detalles 

pip install graphein # For base install
pip install graphein[extras] # For additional featurisation dependencies
pip install graphein[dev] # For dev dependencies
pip install graphein[all] # To get the lot

Sin embargo, hay una serie de utilidades (opcionales) (DSSP, Pymol, GetContacts) que no están disponibles a través de PYPI: 

 conda install -c salilab dssp # Required for computing secondary structural features
conda install -c schrodinger pymol # Required for PyMol visualisations & mesh generation

# GetContacts - used as an alternative way to compute intramolecular interactions
conda install -c conda-forge vmd-python
git clone https://github.com/getcontacts/getcontacts

# Add folder to PATH
echo "export PATH=$PATH:`pwd`/getcontacts" >> ~/.bashrc
source ~/.bashrc
To test the installation, run:

cd getcontacts/example/5xnd
get_dynamic_contacts.py --topology 5xnd_topology.pdb 
                        --trajectory 5xnd_trajectory.dcd 
                        --itypes hb 
                        --output 5xnd_hbonds.tsv

Ambiente de conda

El entorno Dev incluye compilaciones de GPU (CUDA 11.1) para cada una de las bibliotecas de aprendizaje profundo integradas en grafeo. 

git clone https://www.github.com/a-r-j/graphein
cd graphein
conda env create -f environment-dev.yml
pip install -e .

Se puede realizar una instalación más ligera con: 

git clone https://www.github.com/a-r-j/graphein
cd graphein
conda env create -f environment.yml
pip install -e .

Dockfile

Proporcionamos dos archivos docker-compose para CPU ( docker-compose.cpu.yml ) y el uso de GPU ( docker-compose.yml ) localmente. Para el uso de la GPU, asegúrese de tener instalado el kit de herramientas de contenedores NVIDIA. Asegúrese de instalar el volumen montado localmente después de ingresar al contenedor ( pip install -e . ). Esto también configurará el entorno Dev localmente.

Para construir (GPU) Ejecutar: 

 docker-compose up -d --build # start the container
docker-compose down # stop the container

Citando grafeo

Considere citar grafeo si es útil en su trabajo. 

 @inproceedings { jamasb2022graphein ,
  title = { Graphein - a Python Library for Geometric Deep Learning and Network Analysis on Biomolecular Structures and Interaction Networks } ,
  author = { Arian Rokkum Jamasb and Ramon Vi{~n}as Torn{'e} and Eric J Ma and Yuanqi Du and Charles Harris and Kexin Huang and Dominic Hall and Pietro Lio and Tom Leon Blundell } ,
  booktitle = { Advances in Neural Information Processing Systems } ,
  editor = { Alice H. Oh and Alekh Agarwal and Danielle Belgrave and Kyunghyun Cho } ,
  year = { 2022 } ,
  url = { https://openreview.net/forum?id=9xRZlV6GfOX }
}
Expandir
Información adicional
Aplicaciones relacionadas
Recomendado para ti
Información relacionada Todo