DrugHIVE

DRughive: design de medicamentos baseado em estrutura com um modelo generativo hierárquico profundo

Este repositório é a implementação oficial do DRughive , um profundo autoencoder variacional hierárquico desenvolvido para o design de medicamentos baseado em estrutura. Papel jcim.

Instalação

1. Dependências

O código foi testado no ambiente a seguir:

Software	Versão
Python	3.9.16
CUDA	11.6
OpenBabel	3.1.1
Pytorch	1.12.1
Pytorch Lightning	2.0.0
Rdkit	2021.09.5

Instale via conda

Instale dependências usando os requisitos listados nos requirements.txt :

conda create -n drughive -c conda-forge -c pytorch -c nvidia -c rdkit --file requirements.txt

2. Clone Git o repositório

git clone https://github.com/jssweller/DrugHIVE

Amostragem

Modelos pré-treinados

Os pesos do modelo pré-treinado podem ser baixados de Zenodo:

wget -P model_checkpoints/ https://zenodo.org/records/12668687/files/drughive_model_ch9.ckpt

Geração de ligantes

Para amostrar do DRughive, primeiro ajuste os parâmetros no arquivo de configuração de exemplo generate.yml . Em seguida, execute o seguinte comando:

python generate_molecules.py config/generate.yml

Para amostrar do anterior, defina zbetas: 1. No arquivo de configuração.
Para amostrar do posterior, defina zbetas: 0. No arquivo de configuração.
Para amostrar entre o anterior e o posterior, defina os valores de zbetas entre 0. E 1. .

Modificação da subestrutura (salto de andaime)

Para gerar moléculas com modificação da subestrutura, primeiro ajuste os parâmetros no arquivo de configuração de exemplo generate_spatial.yml . Em seguida, execute o seguinte comando:

python generate_molecules.py config/generate_spatial.yml

Otimização do ligante

Instale o Quickvina 2

Antes de executar o processo de otimização, a ferramenta de encaixe do Quickvina 2 deve ser instalada:

• Download (ou compilar) a ferramenta de ancoragem do QuickVina2 em https://qvina.github.io
• Coloque qvina2.1 em DrugHIVE/ ou em um diretório listado na sua variável PATH (por exemplo, /usr/bin/ )

Executar otimização

Para otimizar as moléculas com o DRughive, primeiro ajuste os parâmetros no arquivo de configuração de exemplo generate_optimize.yml . Em seguida, execute o seguinte comando:

python generate_optimize.py config/generate_optimize.yml

Treinamento

1. Baixe o conjunto de dados PDBBind

Faça o download e extraia o conjunto de dados refinado do PDBBind em http://www.pdbind.org.cn/

2. Download de moléculas de zinco

Faça o download de moléculas de zinco de https://zinc20.docking.org/ no formato SDF ou Mol2. Coloque -os em um único diretório.

3. Processe os conjuntos de dados para treinamento

Para processar o conjunto de dados PDBBind, execute:

python process_pdbbind_data.py < path/to/PDBbind/directory >

Para processar o conjunto de dados de zinco, execute:

python process_zinc_data.py < path/to/ZINC/directory > -o data/zinc_data/zinc_data.h5 -ext < file_extension >

Aqui, <file_extension> pode ser um de sdf ou mol2 .

4. Execute o treinamento

Primeiro, ajuste os parâmetros de treinamento no arquivo de configuração de exemplo config/train.yml . Certifique -se de definir data_path_pdb e data_path_zinc para os locais dos seus conjuntos de dados. Em seguida, execute o seguinte comando:

python train.py config/train.yml