Téléchargement catELMo - catELMo Téléchargement du code source

catELMo

Code Source AI

1.0.0

Télécharger

Le contexte de l'intégration des acides aminés avance l'analyse des interactions TCR-épitope

Catelmo est un modèle d'intégration d'acides aminés bidirectionnelle qui apprend des représentations contextualisées d'acides aminés, traitant un acide aminé comme un mot et une séquence comme une phrase. Il apprend des schémas de séquences d'acides aminés avec son signal d'auto-opération, en prédisant chacun du jeton d'acides aminés suivant compte tenu de ses jetons précédents. Il a été formé sur 4 173 895 TCR $ bêta $ Séquences CDR3 (52 millions de jetons d'acides aminés) d'immunoseq. Catelmo donne un vecteur de représentation à valeur réelle pour une séquence d'acides aminés, qui peut être utilisé comme caractéristiques d'entrée de diverses tâches en aval. Il s'agit de la mise en œuvre officielle de Catelmo.

Aperçu

Publication

Le contexte de l'intégration des acides aminés avance l'analyse des interactions TCR-épitope
Pengfei Zhang ^1,2 , Michael Cai ^1,2 , Seojin Bang ² , Heewook Lee ^1,2
¹ École d'informatique et de renseignement augmenté, Arizona State University, ² BioDesign Institute, Arizona State University
Publié dans: Elife, 2023.

Papier | Code | Affiche | Diapositives | Présentation (YouTube)

Dépendances

Linux
Python 3.6.13
Keras 2.6.0
TensorFlow 2.6.0

Étapes pour entraîner un modèle de prédiction d'affinité contraignante pour les paires TCR-épitopes.

1. Clone le référentiel

git clone https://github.com/Lee-CBG/catELMo
cd catELMo/
conda create --name bap python=3.6.13
pip install pandas==1.1.5 tensorflow==2.6.0 keras==2.6.0 scikit-learn==0.24.2 tqdm
source activate bap

2. Préparez les paires TCR-Epitope pour la formation et les tests

Téléchargez des données de formation et de test dans le dossier datasets .
Obtenez des incorporations pour TCR et des épitopes en suivant les instructions du dossier embedders .

3. Modèles de train et de test

Un exemple de division d'épitopes

python -W ignore bap.py 
                --embedding catELMo_4_layers_1024 
                --split epitope 
                --gpu 0 
                --fraction 1 
                --seed 42

Citation

Si vous utilisez ce code ou utilisez notre catelmo pour vos recherches, veuillez citer notre article:

 @article {catelmobiorxiv,
	author = {Pengfei Zhang and Seojin Bang and Michael Cai and Heewook Lee},
	title = {Context-Aware Amino Acid Embedding Advances Analysis of TCR-Epitope Interactions},
	elocation-id = {2023.04.12.536635},
	year = {2023},
	doi = {10.1101/2023.04.12.536635},
	publisher = {Cold Spring Harbor Laboratory},
	journal = {bioRxiv}
}