GeoAB

Geoab：現実的な抗体設計と信頼できる親和性成熟に向けて

インストール

要件をインストールします

 conda create -n geoab python==3.9
conda activate geoab
pip install -r requirements.txt

データセット

Dymeanのデータ準備スクリプトに従って、生データセットを次のように導きます

 - all_data
    - RAbD_H3
        - test_processed
            _metainfo
            part_0.pkl
        - train_processed
            ...
        - valid_processed
            ...
        test.json
        train.json
        valid.json
    - SKEMPI
        ...

処理されたデータは、Googleドライブhttps://drive.google.com/drive/folders/1pnsogt0gdijr9emmmp2pitjzdulzi3ggからダウンロードできます。 all_data.zipをダウンロードした後、それを解凍すると、処理されたデータセットを取得できます。

Geoab-Designerを訓練および評価します

トレーニングのために次のコマンドを実行します。

 # Train GeoAB-refiner
python train_refine.py

# Train GeoAB-Initializer
python train_init.py
# After GeoAB-Initializer is trained, train GeoAB-Designer
python train_design.py

評価のために、次のコマンドを実行します。

 # Evaluate GeoAB-Refiner
python eval.py --eval_dir H3_refine --run 1

# Evaluate GeoAB-Designer
python eval.py --eval_dir H3_design

cdrh3.zipからダウンロードできます。事前に守られたモデルを使用して、結果を直接評価できます。

DDG予測

DDG予測の部分では、モデルはプラットフォームを介して更新され、間もなくオンラインになります。

引用

次のように、リポジトリまたは論文があなたに役立つ場合は、論文を引用してください

 @article {lin2024geoab,
	author = {Lin, Haitao and Wu, Lirong and Huang, Yufei and Liu, Yunfan and Zhang, Odin and Zhou, Yuanqing and Sun, Rui and Li, Stan Z.},
	title = {GeoAB: Towards Realistic Antibody Design and Reliable Affinity Maturation},
    	year = {2024},
	booktitle={International Conference on Machine Learning},
	URL = {https://www.biorxiv.org/content/early/2024/05/17/2024.05.15.594274},
	eprint = {https://www.biorxiv.org/content/early/2024/05/17/2024.05.15.594274.full.pdf}
}