openprotein python

OpenProtein-Python

La interfaz OpenProtein.ai Python proporciona una biblioteca fácil de usar para interactuar con OpenProtein.ai REST API, que permite varias tareas relacionadas con el análisis y el modelado de proteínas.

Tabla de contenido

	Flujo de trabajo	Descripción
0	Quick start	Guía de inicio rápido
1	Installation	Instale la guía para PIP y conda.
2	Session management	Una descripción general del cliente Python Python OpenProtein y el sistema de trabajos asíncronos.
3	Asssay-based Sequence Learning	Cubre tareas centrales como la carga de datos, la capacitación y la predicción del modelo, y el diseño de secuencia.
4	De Novo prediction & generative models (PoET)	Cubre a Poet, una proteína LLM para la puntuación de novo , así como la generación de secuencias.
5	Protein Language Models & Embeddings	Cubre métodos para crear insertos de secuencia con modelos patentados y de código abierto.

De inicio rápido

¡Comience con nuestro rectificador rápido! ¡Puede examinar la documentación oficial para más detalles!

Instalación

Para instalar la interfaz Python con PIP, ejecute el siguiente comando:

 pip install openprotein-python

o con conda:

 conda install -c openprotein openprotein-python

Requisitos

• Python 3.8 o superior.
• Pydantic versión 1.0 o más nueva.
• Solicitudes versión 2.0 o más nueva.
• TQDM versión 4.0 o más nuevo.
• Pandas versión 1.0 o más nuevo.

Empezando

¡Lea a continuación la guía de inicio rápido o vea los documentos para obtener más información!

Para comenzar, cree una sesión usando sus credenciales de inicio de sesión.

 import openprotein

# replace USERNAME and PASSWORD with your actual login credentials
session = openprotein.connect(USERNAME, PASSWORD)

Estado de trabajo

La interfaz ofrece objetos de AsyncJobFuture para llamadas asíncronas, lo que permite el seguimiento del estado del trabajo y la recuperación de resultados cuando está listo. Dado un futuro, puede verificar su estado y recuperar resultados.

Comprobando el estado laboral

Verifique el estado de una AsyncJobFuture utilizando los siguientes métodos:

 future.refresh()  # call the backend to update the job status
future.done()     # returns True if the job is done, meaning the status could be SUCCESS, FAILED, or CANCELLED

Recuperar los resultados del trabajo

Una vez que el trabajo haya terminado, recupere los resultados utilizando los siguientes métodos:

 result = future.wait()     # wait until done and then fetch results

#verbosity is controlled with verbose arg
result = future.get(verbose=True)  # get the result from a finished job

Interfaz de empleo

Trabajos de listado

Para ver todos los trabajos asociados con cada sesión, el siguiente método está disponible, proporcionando una opción para filtrar los resultados por fecha, tipo de trabajo o estado.

 session.jobs.list() 

Recuperar un trabajo específico

Para obtener información detallada sobre un trabajo en particular, use el siguiente comando con la ID de trabajo correspondiente:

 session.jobs.get(JOB_ID)  # Replace JOB_ID with the ID of the specific job to be retrieved

Reanudación de trabajos

Los trabajos de flujos de trabajo anteriores se pueden reanudar utilizando el método Load_Job proporcionado por cada API.

 session.load_job(JOB_ID)  # Replace JOB_ID with the ID of the training job to resume

Interfaz poeta

La interfaz de poeta permite calificar, generar y recuperar secuencias utilizando el modelo Poet.

Secuencias de puntuación

Para obtener secuencias, use la función de puntuación. Proporcione un aviso y una lista de consultas. Los resultados serán una lista de (secuencia, puntaje) objetos pydánticos.

 prompt_seqs = b'MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN'

prompt = session.poet.upload_prompt(prompt_seqs)

 queries = [
    b'MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN',
    b'MALWMRLLPLLVLLALWGPDPASAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN',
    b'MALWTRLRPLLALLALWPPPPARAFVNQHLCGSHLVEALYLVCGERGFFYTPKARREVEGPQVGALELAGGPGAGGLEGPPQKRGIVEQCCASVCSLYQLENYCN',
    b'MALWIRSLPLLALLVFSGPGTSYAAANQHLCGSHLVEALYLVCGERGFFYSPKARRDVEQPLVSSPLRGEAGVLPFQQEEYEKVKRGIVEQCCHNTCSLYQLENYCN',
    b'MALWMRLLPLLALLALWAPAPTRAFVNQHLCGSHLVEALYLVCGERGFFYTPKARREVEDLQVRDVELAGAPGEGGLQPLALEGALQKRGIVEQCCTSICSLYQLENYCN',
]

 future = session.poet.score(prompt, queries)
result = future.wait()
# result is a list of (sequence, score) pydantic objects

Puntuación de variantes de un solo sitio

Para calificar las variantes de un solo sitio, use la single_site function , proporcionando la secuencia original y la configuración prompt_is_seed en true si el aviso es una secuencia de semillas.

 sequence = "MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN"
future = session.poet.single_site(prompt, sequence, prompt_is_seed=True) 
result = future.wait()
# result is a dictionary of {variant: score}

Generación de secuencias

Para generar secuencias del modelo Poet, use la función generate con parámetros relevantes. El resultado será una lista de muestras generadas.

 future = session.poet.generate(
    prompt,
    max_seqs_from_msa=1024,
    num_samples=100,
    temperature=1.0,
    topk=15
)
samples = future.wait()

Recuperar secuencias de entrada

Puede recuperar las secuencias de solicitud, MSA o semillas para un trabajo de poeta utilizando la función get_input o las funciones individuales para cada tipo.

 future.get_input(INPUT_TYPE)
# or, functions for each type
future.get_prompt()
future.get_msa()
future.get_seed()

Ver más en nuestra página de inicio