protein sequence embedding iclr2019

構造からの情報を使用して、タンパク質シーケンスの埋め込みを学習します

シーケンスと構造トレーニングを組み合わせた新しい改良された埋め込みモデルがhttps://github.com/tbepler/proseで入手可能になりました！

このリポジトリにはソースコードが含まれており、ICLR 2019ペーパーに付随するデータおよび事前に埋め込まれた埋め込みモデルへのリンク：構造からの情報を使用したタンパク質シーケンスの学習埋め込み

 @inproceedings{
bepler2018learning,
title={Learning protein sequence embeddings using information from structure},
author={Tristan Bepler and Bonnie Berger},
booktitle={International Conference on Learning Representations},
year={2019},
}

セットアップと依存関係

依存関係：

• Python 3
• pytorch> = 0.4
• numpy
• scipy
• パンダ
• Sklearn
• システン
• h5py（埋め込みスクリプト用）

セットアップを実行して、Cythonファイルをコンパイルします。

 python setup.py build_ext --inplace

データセット

Train/Dev/Test Splitsを使用したデータセットは、以下のリンクから.tar.gzファイルとして提供されます。

• スコープデータ
• PFAMデータ
• タンパク質二次構造データ
• 膜貫通データ
• CASP12連絡先マップデータ

トレーニングと評価のスクリプトは、これらのデータセットが「データ」と呼ばれるディレクトリに抽出されていると想定しています。

前処理されたモデル

構造ベースの埋め込みモデルと双方向言語モデルの訓練されたバージョンは、ここからダウンロードできます。

著者

Tristan Bepler（[email protected]）

引用

作業でこのコードまたは事前に処理されたモデルを使用する場合は、上記の論文を引用してください。

ライセンス

ソースコードと訓練されたモデルは、CC BY-NC 4.0ライセンスの条件の下で非営利的な使用のために無料で提供されます。詳細については、ライセンスファイルおよびhttps://creativecommons.org/licenses/by-nc/4.0/legalcodeを参照してください。

接触

ご質問、コメント、またはバグを報告したい場合は、githubの問題を提出するか、[email protected]に連絡してください。