Página Inicial>Relacionado com a programação>Pitão
Baixar



Documentação | Papel | Tutoriais | Instalação

Biblioteca de gráficos de proteína e interatômica

Este pacote fornece funcionalidade para produzir representações geométricas de estruturas de proteínas e RNA e redes de interação biológica. Fornecemos compatibilidade com formatos Pydata padrão, bem como objetos gráficos projetados para facilitar o uso com as populares bibliotecas de aprendizado profundo.

O que há de novo?

1.7.0 DataSets FoldComp
1.7.0 Criando conjuntos de dados do PDB
1.6.0 Módulo de tensor de proteínas
1.5.0 Criação de gráficos de proteínas a partir de alphafold2!
1.5.0 Construção de gráficos de RNA da notação dotbracket
1.4.0 Construindo gráficos moleculares
1.3.0 Dataloaders prontos para uso para pytorch geométrico
1.2.0 Extração de subgrafos de gráficos de proteínas
1.2.0 Análise de gráficos de proteínas
1.2.0 CLI de grafein
1.2.0 Visualização de gráficos de proteínas!
1.1.0 Suporte à rede de interação proteica - proteína e interatômica estrutural (usando alphafold2!)
1.0.0 API de alto e baixo nível para flexibilidade maciça - crie seus próprios fluxos de trabalho sob medida!

Exemplo de uso

A grafeína fornece uma API programática e uma interface da linha de comando para a construção de gráficos.

CLI

As configurações de grafein podem ser especificadas como arquivos .yaml para processar gráficos de processos do comando.

Documentos 

graphein -c config.yaml -p path/to/pdbs -o path/to/output

Criando um gráfico de proteínas

Tutorial (nível de resíduo) Tutorial (atômico) Documentos 
 from graphein . protein . config import ProteinGraphConfig
from graphein . protein . graphs import construct_graph

config = ProteinGraphConfig ()
g = construct_graph ( config = config , pdb_code = "3eiy" )

Criando um gráfico de proteínas do banco de dados da estrutura da proteína Alphafold

Tutorial Documentos 
 from graphein . protein . config import ProteinGraphConfig
from graphein . protein . graphs import construct_graph
from graphein . protein . utils import download_alphafold_structure

config = ProteinGraphConfig ()
fp = download_alphafold_structure ( "Q5VSL9" , aligned_score = False )
g = construct_graph ( config = config , path = fp )

Criando uma malha de proteína

Tutorial Documentos 
 from graphein . protein . config import ProteinMeshConfig
from graphein . protein . meshes import create_mesh

verts , faces , aux = create_mesh ( pdb_code = "3eiy" , config = config )

Criando gráficos moleculares

A grafina pode criar gráficos moleculares a partir de strings de sorrisos, bem como arquivos .sdf , .mol2 e .pdb

Tutorial Documentos 
 from graphein . molecule . config import MoleculeGraphConfig
from graphein . molecule . graphs import construct_graph

g = create_graph ( smiles = "CC(=O)OC1=CC=CC=C1C(=O)O" , config = config )

Criando um gráfico de RNA

Tutorial Documentos 
 from graphein . rna . graphs import construct_rna_graph
# Build the graph from a dotbracket & optional sequence
rna = construct_rna_graph ( dotbracket = '..(((((..(((...)))..)))))...' ,
                          sequence = 'UUGGAGUACACAACCUGUACACUCUUUC' )

Criando um gráfico de interação proteína-proteína

Tutorial Documentos 
 from graphein . ppi . config import PPIGraphConfig
from graphein . ppi . graphs import compute_ppi_graph
from graphein . ppi . edges import add_string_edges , add_biogrid_edges

config = PPIGraphConfig ()
protein_list = [ "CDC42" , "CDK1" , "KIF23" , "PLK1" , "RAC2" , "RACGAP1" , "RHOA" , "RHOB" ]

g = compute_ppi_graph ( config = config ,
                      protein_list = protein_list ,
                      edge_construction_funcs = [ add_string_edges , add_biogrid_edges ]
                     )

Criando um gráfico de rede regulatória genética

Tutorial Documentos 
 from graphein . grn . config import GRNGraphConfig
from graphein . grn . graphs import compute_grn_graph
from graphein . grn . edges import add_regnetwork_edges , add_trrust_edges

config = GRNGraphConfig ()
gene_list = [ "AATF" , "MYC" , "USF1" , "SP1" , "TP53" , "DUSP1" ]

g = compute_grn_graph (
    gene_list = gene_list ,
    edge_construction_funcs = [
        partial ( add_trrust_edges , trrust_filtering_funcs = config . trrust_config . filtering_functions ),
        partial ( add_regnetwork_edges , regnetwork_filtering_funcs = config . regnetwork_config . filtering_functions ),
    ],
)

Instalação

Pip

A instalação mais simples é via PIP. NB Isso não instala bibliotecas ML/DL necessárias para a conversão em seus formatos de dados e para gerar malhas de estrutura de proteínas com Pytorch 3D. Mais detalhes 

pip install graphein # For base install
pip install graphein[extras] # For additional featurisation dependencies
pip install graphein[dev] # For dev dependencies
pip install graphein[all] # To get the lot

No entanto, existem vários utilitários (opcionais) (DSSP, Pymol, GetContacts) que não estão disponíveis via Pypi: 

 conda install -c salilab dssp # Required for computing secondary structural features
conda install -c schrodinger pymol # Required for PyMol visualisations & mesh generation

# GetContacts - used as an alternative way to compute intramolecular interactions
conda install -c conda-forge vmd-python
git clone https://github.com/getcontacts/getcontacts

# Add folder to PATH
echo "export PATH=$PATH:`pwd`/getcontacts" >> ~/.bashrc
source ~/.bashrc
To test the installation, run:

cd getcontacts/example/5xnd
get_dynamic_contacts.py --topology 5xnd_topology.pdb 
                        --trajectory 5xnd_trajectory.dcd 
                        --itypes hb 
                        --output 5xnd_hbonds.tsv

Ambiente de Conde

O ambiente de desenvolvimento inclui construções de GPU (CUDA 11.1) para cada uma das bibliotecas de aprendizado profundo integrado à grafeína. 

git clone https://www.github.com/a-r-j/graphein
cd graphein
conda env create -f environment-dev.yml
pip install -e .

Uma instalação mais leve pode ser executada com: 

git clone https://www.github.com/a-r-j/graphein
cd graphein
conda env create -f environment.yml
pip install -e .

Dockerfile

Fornecemos dois arquivos docker-compose para CPU ( docker-compose.cpu.yml ) e uso da GPU ( docker-compose.yml ) localmente. Para uso da GPU, verifique se você possui o NVIDIA Container Toolkit instalado. Certifique -se de instalar o volume montado localmente após inserir o contêiner ( pip install -e . ). Isso também configurará o ambiente de desenvolvimento localmente.

Para construir (GPU) Run: 

 docker-compose up -d --build # start the container
docker-compose down # stop the container

Citando grafein

Por favor, considere citar a grafein se for útil em seu trabalho. 

 @inproceedings { jamasb2022graphein ,
  title = { Graphein - a Python Library for Geometric Deep Learning and Network Analysis on Biomolecular Structures and Interaction Networks } ,
  author = { Arian Rokkum Jamasb and Ramon Vi{~n}as Torn{'e} and Eric J Ma and Yuanqi Du and Charles Harris and Kexin Huang and Dominic Hall and Pietro Lio and Tom Leon Blundell } ,
  booktitle = { Advances in Neural Information Processing Systems } ,
  editor = { Alice H. Oh and Alekh Agarwal and Danielle Belgrave and Kyunghyun Cho } ,
  year = { 2022 } ,
  url = { https://openreview.net/forum?id=9xRZlV6GfOX }
}
Expandir
Informações adicionais
Aplicativos Relacionados
Recomendado para você
Informações Relacionadas Todos