Download de catELMo - Download de código -fonte catELMo

catELMo

Código-Fonte de IA

1.0.0

Baixar

Aminoácidos com reconhecimento de contexto Analisar a análise das interações do epítopo TCR-Epitopo

O Catelmo é um modelo de incorporação de aminoácidos bidirecionais que aprende representações contextualizadas de aminoácidos, tratando um aminoácido como uma palavra e uma sequência como frase. Aprende padrões de seqüências de aminoácidos com seu sinal de auto-supervisão, prevendo cada um do próximo token de aminoácidos, dados seus tokens anteriores. Foi treinado em 4.173.895 TCR $ beta $ Sequências CDR3 (52 milhões de tokens de aminoácidos) da Immunoseq. Catelmo produz um vetor de representação com valor real para uma sequência de aminoácidos, que pode ser usada como recursos de entrada de várias tarefas a jusante. Esta é a implementação oficial do Catelmo.

Visão geral

Publicação

Aminoácidos com reconhecimento de contexto Analisar a análise das interações do epítopo TCR-Epitopo
Pengfei Zhang ^1,2 , Michael Cai ^1,2 , Seojin Bang ² , Heewook Lee ^1,2
¹ Escola de Computação e Inteligência Aumentada, Arizona State University, ² Biodesign Institute, Arizona State University
Publicado em: ELIFE, 2023.

Papel | Código | Pôster | Slides | Apresentação (YouTube)

Dependências

Linux
Python 3.6.13
Keras 2.6.0
Tensorflow 2.6.0

Etapas para treinar um modelo de previsão de afinidade de ligação para pares de TCR-epítopos.

1. Clone o repositório

git clone https://github.com/Lee-CBG/catELMo
cd catELMo/
conda create --name bap python=3.6.13
pip install pandas==1.1.5 tensorflow==2.6.0 keras==2.6.0 scikit-learn==0.24.2 tqdm
source activate bap

2. Prepare pares de TCR-epítopo para treinamento e teste

Faça o download dos dados de treinamento e teste da pasta datasets .
Obtenha incorporações para TCR e epítopos seguindo as instruções da pasta de embedders .

3. Modelos de trem e teste

Um exemplo para divisão de epítopo

python -W ignore bap.py 
                --embedding catELMo_4_layers_1024 
                --split epitope 
                --gpu 0 
                --fraction 1 
                --seed 42

Citação

Se você usar este código ou usar nosso Catelmo para sua pesquisa, cite nosso artigo:

 @article {catelmobiorxiv,
	author = {Pengfei Zhang and Seojin Bang and Michael Cai and Heewook Lee},
	title = {Context-Aware Amino Acid Embedding Advances Analysis of TCR-Epitope Interactions},
	elocation-id = {2023.04.12.536635},
	year = {2023},
	doi = {10.1101/2023.04.12.536635},
	publisher = {Cold Spring Harbor Laboratory},
	journal = {bioRxiv}
}