GeoAB

Geoab: Rumo ao design realista de anticorpos e maturação confiável de afinidade

Instalação

Instale requisitos

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

Conjunto de dados

Siga os scripts de preparação de dados em DyMean, que lidera o conjunto de dados brutos como

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

Os dados processados ​​podem ser baixados do Google Drive https://drive.google.com/drive/folders/1pnsogt0gdijr9emmmp2pitjzdulzi3gg. Depois de baixar all_data.zip , descompacte -o e os conjuntos de dados processados ​​podem ser obtidos.

Treine e avalie o geoab-designer

Execute o seguinte comando para treinamento:

 # 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

Para avaliação, execute o seguinte comando:

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

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

Damos o modelo pré -terenciado no cdrh3.zip , que pode ser baixado em https://drive.google.com/drive/folders/1pnsogt0gdijr9emmmp2pitjzdulzi3gg. Você pode avaliar os resultados diretamente usando nossos modelos pré -terenciados.

Previsão de DDG

Para a parte de previsão do DDG, nosso modelo será atualizado por meio de uma plataforma, que estará online em breve.

Citação

Cite o papel se o repositório ou o papel for útil para você, como o seguinte

 @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}
}