Página Inicial>Relacionado com a programação>Outro código-fonte
Baixar

Logotipo do CBGBEnch

CBGBEnch: A referência de gráficos de ligação complexa é uma referência para o design generativo da molécula com reconhecimento de destino.

Papel [diffbp] | Papel [d3fg] | Benchmark

Observação

  • Outubro de 2024: O CBGBEnch Paper V3 acaba de integrar o Molcraft e o Voxbind de última geração na avaliação, e a integração de seus códigos está em processo.
  • 2024 de setembro: O CBGBench ingressou na comunidade DeepModeling, uma comunidade dedicada à IA para a ciência, como um projeto no nível da caixa de areia. Saiba mais sobre o DeepModeling

Introdução

Este é o repositório oficial de código do artigo 'CBGBEnch: preencha o espaço em branco do gráfico de ligação da molécula de proteína', que visa unificar o design da molécula com reconhecimento de destino com implementação de código único. Até agora, incluímos 7 métodos como mostrado abaixo:

Modelo Link em papel Github
Pocket2mol https://arxiv.org/abs/2205.07249 https://github.com/pengxingang/pocket2mol
Graphbp https://arxiv.org/abs/2204.09410 https://github.com/divelab/graphbp
DIFFSBDD https://arxiv.org/abs/2210.13695 https://github.com/arneschneuing/diffsbdd
Diffbp https://arxiv.org/abs/2211.11214 Aqui está a implementação oficial.
TargetDiff https://arxiv.org/abs/2303.03543 https://github.com/guanjq/targetdiff
BANDEIRA https://openreview.net/forum?id=rq13idf0f73 https://github.com/zaixizhang/flag
D3fg https://arxiv.org/abs/2306.13769 Aqui está a implementação oficial.

Esses modelos são inicialmente estabelecidos para a geração de moléculas de novo e estendemos mais tarefas, incluindo linker design , fragment growing , scaffold hopping e side chain decoration .

Estender tarefas

Instalação

Crie ambiente com pacotes básicos. 

 conda env create -f environment.yml
conda activate cbgbench

Instale Pytorch e Torch_geométrico 

 conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia
conda install pyg pytorch-scatter pytorch-cluster -c pyg

Instale ferramentas para química 

 # install rdkit, efgs, obabel, etc.
pip install --use-pep517 EFGs
pip install biopython
pip install lxml
conda install rdkit openbabel tensorboard tqdm pyyaml easydict python-lmdb -c conda-forge

# install plip
mkdir tools
cd tools
git clone https://github.com/pharmai/plip.git
cd plip
python setup.py install
alias plip='python plip/plip/plipcmd.py'
cd ..

### Note that if there is an error in setup.py, it can be ignored as long as openbabel is installed.

# install docking tools
conda install -c conda-forge numpy swig boost-cpp sphinx sphinx_rtd_theme
python -m pip install git+https://github.com/Valdes-Tresanco-MS/AutoDockTools_py3
pip install meeko==0.1.dev3 scipy pdb2pqr vina

# If you are unable to install vina, you can try: conda install vina
# If you encounter the following error:
# ImportError: libtiff.so.5: cannot open shared object file: No such file or directory
# Please try the following steps to resolve it:
pip uninstall pillow
pip install pillow

Prepare o conjunto de dados

Crossdocked2020

1. Download de conjuntos de dados processados

(i) Faça o download do conjunto de dados processado do Google Drive. Para cada conjunto de dados, corresponde a diferentes métodos e tarefas. Consulte a tabela abaixo para encontrar os dados processados ​​que você precisa usar. Observe que, para treinar D3FG, é um modelo de dois estágios que gera primeiro grupos funcionais e gera átomos de ligação, por isso nomeamos o modelo de dois estágios 'D3FG_FG' e 'D3FG_Linker' e os dados de treinamento são diferentes para eles.

Tabela: o nome do arquivo de dados correspondente a diferentes métodos e tarefas.

modelo tarefa Nome do arquivo
Pocket2mol de Novo Data/PL/Crossdocked_V1.1_RMSD1.0_Pocket10_Processed_fullatom.lmdb
Graphbp de Novo Data/PL/Crossdocked_V1.1_RMSD1.0_Pocket10_Processed_fullatom.lmdb
DIFFSBDD de Novo Data/PL/Crossdocked_V1.1_RMSD1.0_Pocket10_Processed_fullatom.lmdb
Diffbp de Novo Data/PL/Crossdocked_V1.1_RMSD1.0_Pocket10_Processed_fullatom.lmdb
TargetDiff de Novo Data/PL/Crossdocked_V1.1_RMSD1.0_Pocket10_Processed_fullatom.lmdb
BANDEIRA de Novo data/pl_arfg/crossdocked_v1.1_rmsd1.0_pocket10_processed_arfuncgroup.lmdb
D3fg_fg de Novo data/pl_fg/crossdocked_v1.1_rmsd1.0_pocket10_processed_funcgroup.lmdb
D3fg_linker de Novo Data/PL/Crossdocked_V1.1_RMSD1.0_Pocket10_Processed_linker.lmdb
Pocket2mol fragmento data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_frag.lmdb
Graphbp fragmento data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_frag.lmdb
DIFFSBDD fragmento data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_frag.lmdb
Diffbp fragmento data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_frag.lmdb
TargetDiff fragmento data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_frag.lmdb
Pocket2mol Linker data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_linker.lmdb
Graphbp Linker data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_linker.lmdb
DIFFSBDD Linker data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_linker.lmdb
Diffbp Linker data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_linker.lmdb
TargetDiff Linker data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_linker.lmdb
Pocket2mol andaime data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_scaffold.lmdb
Graphbp andaime data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_scaffold.lmdb
DIFFSBDD andaime data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_scaffold.lmdb
Diffbp andaime data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_scaffold.lmdb
TargetDiff andaime data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_scaffold.lmdb
Pocket2mol Corrente lateral data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_sidechain.lmdb
Graphbp Corrente lateral data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_sidechain.lmdb
DIFFSBDD Corrente lateral data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_sidechain.lmdb
Diffbp Corrente lateral data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_sidechain.lmdb
TargetDiff Corrente lateral data/pl_decomp/crossdocked_v1.1_rmsd1.0_pocket10_processed_sidechain.lmdb

(ii) copiar os conjuntos de dados para ./data dir, em que o diretório completo de arquivos de dados será como 

 - CGBBench
    - data
        - pl
            - crossdocked_name2id.pt
            - crossdocked_v1.1_rmsd1.0_pocket10_processed_fullatom.lmdb
            - crossdocked_v1.1_rmsd1.0_pocket10_processed_linker.lmdb
        - pl_arfg
            - crossdocked_name2id_arfuncgroup.pt
            - crossdocked_v1.1_rmsd1.0_pocket10_processed_arfuncgroup.lmdb
        - pl_decomp
            - crossdocked_name2id_frag.pt
            - crossdocked_name2id_linker.pt
            - crossdocked_name2id_scaffold.pt
            - crossdocked_name2id_sidechain.pt
            - crossdocked_v1.1_rmsd1.0_pocket10_processed_frag.lmdb
            - crossdocked_v1.1_rmsd1.0_pocket10_processed_linker.lmdb
            - crossdocked_v1.1_rmsd1.0_pocket10_processed_scaffold.lmdb
            - crossdocked_v1.1_rmsd1.0_pocket10_processed_sidechain.lmdb
        - pl_fg
            - crossdocked_name2id_funcgroup.pt
            - crossdocked_v1.1_rmsd1.0_pocket10_processed_funcgroup.lmdb

2. Faça o download dos dados brutos e prepare -se do zero

(i) Faça o download crossdocked_v1.1_rmsd1.0.tar.gz da TargetDiff Drive e copie -o para ./raw_data/ com 

 mkdir raw_data
tar -xzvf crossdocked_v1.1_rmsd1.0.tar.gz ./raw_data

(ii) execute o seguinte: 

 python ./scripts/extract_pockets.py --source raw_data/crossdocked_v1.1_rmsd1.0 --dest raw_data/crossdocked_v1.1_rmsd1.0_pocket10

(iii) No treinamento, o conjunto de dados será preparado para cada tarefa. Por favor, consulte o Training .

Alvos ADRB1 e DRD3

Download de metas processadas.

Além disso, você pode baixar os processos alvos de arquivo case_study do google drive e copiá -lo para o diretório ./data , que liderará o diretor para 

 - CGBBench
    - data
        - case_study
            - processed
                - case_study_processed_fullatom.lmdb
                - case_study_processed_funcgroup.lmdb
                - case_study_name2id.pt
                ...

Treinamento

1. Se você quiser treinar do zero, pode executar o seguinte 

 python train.py --config ./configs/{task}/train/{method}.yml --logdir ./logs/{task}/{method}

{Task} pode ser substituído por denovo , linker , frag , scaffold e sidechain , e {Method} pode ser substituído pelo nome do modelo. A tabela a seguir fornece os pares detalhados do método-tarefa e a substituição.

Tabela: pares de tarefas de método usados ​​para treinar do zero.

Método Tarefa {método} + {tarefa}
Pocket2mol de Novo Pocket2mol + Denovo
Graphbp de Novo Graphbp + Denovo
DIFFSBDD de Novo DIFFSBDD + DENOVO
Diffbp de Novo diffbp + denovo
TargetDiff de Novo TargetDiff + Denovo
BANDEIRA de Novo Flag + Denovo
D3fg de Novo d3fg_fg + denovo; D3FG_LINKER + DENOVO
Pocket2mol Design de vinculadores Pocket2mol + ligante
Graphbp Design de vinculadores GraphBP + Linker
DIFFSBDD Design de vinculadores DIFFSBDD + LINKER
Diffbp Design de vinculadores Linker diffbp +
TargetDiff Design de vinculadores TargetDiff + Linker
Pocket2mol Fragmento crescendo Pocket2mol + frag
Graphbp Fragmento crescendo Graphbp + frag
DIFFSBDD Fragmento crescendo DIFFSBDD + frag
Diffbp Fragmento crescendo diffbp + frag
TargetDiff Fragmento crescendo TargetDiff + frag
Pocket2mol pulando de andaime Pocket2mol + andaime
Graphbp pulando de andaime Graphbp + andaime
DIFFSBDD pulando de andaime DIFFSBDD + Scaffold
Diffbp pulando de andaime DIFFBP + Scaffold
TargetDiff pulando de andaime TargetDiff + andaime
Pocket2mol decoração da cadeia lateral Pocket2mol + Sidechain
Graphbp decoração da cadeia lateral GraphBP + Sidechain
DIFFSBDD decoração da cadeia lateral DIFFSBDD + Sidechain
Diffbp decoração da cadeia lateral Diffbp + Sidechain
TargetDiff decoração da cadeia lateral TargetDiff + Sidechain

Observe que o D3FG e o Flag não são compatíveis com as tarefas estendidas, e o D3FG utiliza estratégias de treinamento em 2 estágios; portanto, se você deseja treinar o D3FG, precisa executar: 

 python train.py --config ./configs/denovo/train/d3fg_fg.yml --logdir ./logs/denovo/d3fg_fg
python train.py --config ./configs/denovo/train/d3fg_linker.yml --logdir ./logs/denovo/d3fg_linker

2. Além disso, você pode usar nossos pré -treinados do Google Drives [TODO: Libere os modelos pré -traços], os nomes de arquivos de dados pré -terenciados correspondentes para diferentes tarefas e modelos são fornecidos na tabela abaixo:

TODO: Tabela com modelos pré -teriados

Faça o download dos pontos de verificação .pt pré -teremam que você precisa e copie -os para ./logs/ , o que levará à seguinte estrutura de diretório: 

 # TODO
- CBGBench
    - logs
        - denovo
            - d3fg_fg
                - pretrain
                    - checkpoints
                        - 951000.pt
            - d3fg_linker
                - pretrain
                    - checkpoints
                        - 4840000.pt
            - diffbp
                - pretrain
                    - checkpoints
                        - 4848000.pt
            ...
        - frag
            - diffbp
                - pretrain
                    - checkpoints
                        - 476000.pt
            ...
        ...

Geração em conjuntos de testes

Depois que o modelo é treinado, você pode desenhar amostras deles nos bolsos de teste, com o seguinte: 

 bash generate.sh --method {method} --task {task} --tag {tag} --checkpoint {ckpt_number}

No comando, o par {Method} e {Task} podem ser encontrados na tabela anterior em pares de tarefas de método. {tag} deve ser substituído por selftrain ou pretrain , de acordo com os pontos de verificação que você usa. Se o parâmetro -Checkpoint for fornecido sem um número, ele encontrará automaticamente o arquivo .pt mais recente. Se um número for fornecido, ele usará o arquivo de ponto de verificação especificado.

Por exemplo, se você deseja gerar amostras no conjunto de testes para design de novo com modelo de TargetDiff auto-treinado , você pode executar: 

 bash generate.sh --method targetdiff --task denovo --tag selftrain --checkpoint

Ou se você deseja testar o ponto de verificação dos 100000 tés. 

 bash generate.sh --method targetdiff --task denovo --tag selftrain --checkpoint 100000

Observe que D3FG usa uma estratégia de geração de duas etapas, então o comando deve ser 

 bash generate.sh --method d3fg_fg --task denovo --tag {tag} --checkpoint  # generate the functional groups
bash generate.sh --method d3fg_linker --task denovo --tag {tag} --checkpoint # generate the linkers

Avaliação

Execute o seguinte: 

 cd evaluate_scripts
bash evaluate.sh --method {method} --task {task} --tag {tag}

Por exemplo, se você treinou o TargetDiff sozinho, corra 

 bash evaluate.sh --method targetdiff --task denovo --tag selftrain
bash evaluate.sh --method targetdiff --task frag --tag selftrain
bash evaluate.sh --method targetdiff --task linker --tag selftrain
bash evaluate.sh --method targetdiff --task scaffold --tag selftrain
bash evaluate.sh --method targetdiff --task sidechain --tag selftrain

Ou se você baixou modelos pré -tenhados, corra 

 cd evaluate_scripts
bash bash evaluate.sh --method {method} --task {task} --tag pretrained

Lista de tarefas

  1. Use os modelos pré-treinados para gerar moléculas nos alvos do mundo real com flexibilidade.

  2. Inclua mais modelos, como 3DSBDD, Decompdiff, Voxmol e Ligan.

  3. Libere os modelos pré -treinados, teste a viabilidade e a reproducividade depois que o artigo for publicado.

Contribuição

A base de código é inicializada por Haitao Lin, com o CBGBEnch V1 como nossa motivação; A execução subsequente do repositório de código será gerenciada por Guojiang Zhao e sua equipe de tecnologia DP.

Se você achar que o repositório é útil para sua pesquisa ou projetos, cite em nosso artigo de referência como referência: 

 @misc{lin2024cbgbench,
      title={CBGBench: Fill in the Blank of Protein-Molecule Complex Binding Graph},
      author={Haitao Lin and Guojiang Zhao and Odin Zhang and Yufei Huang and Lirong Wu and Zicheng Liu and Siyuan Li and Cheng Tan and Zhifeng Gao and Stan Z. Li},
      year={2024},
      eprint={2406.10840},
      archivePrefix={arXiv},
}

E nossas antigas obras de diffbp e d3fg: 

 @misc{lin2024diffbpgenerativediffusion3d,
      title={DiffBP: Generative Diffusion of 3D Molecules for Target Protein Binding}, 
      author={Haitao Lin and Yufei Huang and Odin Zhang and Siqi Ma and Meng Liu and Xuanjing Li and Lirong Wu and Jishui Wang and Tingjun Hou and Stan Z. Li},
      year={2024},
      eprint={2211.11214},
      archivePrefix={arXiv},
      primaryClass={q-bio.BM},
      url={https://arxiv.org/abs/2211.11214}, 
}
@inproceedings{
    lin2023functionalgroupbased,
    title={Functional-Group-Based Diffusion for Pocket-Specific Molecule Generation and Elaboration},
    author={Haitao Lin and Yufei Huang and Odin Zhang and Yunfan Liu and Lirong Wu and Siyuan Li and Zhiyuan Chen and Stan Z. Li},
    booktitle={Thirty-seventh Conference on Neural Information Processing Systems},
    year={2023},
    url={https://openreview.net/forum?id=lRG11M91dx}
}

Licença

Este projeto está licenciado nos termos da licença GPL-3.0.

Expandir
Informações adicionais
Aplicativos Relacionados
Recomendado para você
Informações Relacionadas Todos