BALM

Modelo de Linguagem de Anticorpo Bio-inspirado (BALM)

Este repositório contém código de inferência para previsão precisa da função e estrutura de anticorpos usando modelo de linguagem de anticorpos bio-inspirados

Criar ambiente

 conda env create -f environment.yml
conda activate BALM

Preparação

Os pesos pré-treinados de bálsamo podem ser baixados do link do Google Drive: Balm pré-treinado

Executar inferência

 from modeling_balm import BALMForMaskedLM
from ba_position_embedding import get_anarci_pos
from transformers import EsmTokenizer
import torch

# an antibody sequence example
input_seq = "AVQLQESGGGLVQAGGSLRLSCTVSARTSSSHDMGWFRQAPGKEREFVAAISWSGGTTNYVDSVKGRFDISKDNAKNAVYLQMNSLKPEDTAVYYCAAKWRPLRYSDNPSNSDYNYWGQGTQVTVSS"

tokenizer = EsmTokenizer.from_pretrained("./tokenizer/vocab.txt", do_lower_case=False, model_max_length=168)

tokenizer_input = tokenizer(input_seq, truncation=True, padding="max_length", return_tensors="pt")
# generate position_ids
tokenizer_input.update(get_anarci_pos(input_seq))

with torch.no_grad():
    # please download from Google drive link before
    model = BALMForMaskedLM.from_pretrained("./pretrained-BALM/")
    # on CPU device
    outputs = model(**tokenizer_input, return_dict=True, output_hidden_states=True, output_attentions=True)

    # final hidden layer representation [batch_sz * max_length * hidden_size]
    final_hidden_layer = outputs.hidden_states[-1]
    
    # final hidden layer sequence representation [batch_sz * hidden_size]
    final_seq_embedding = final_hidden_layer[:, 0, :]
    
    # final layer attention map [batch_sz * num_head * max_length * max_length]
    final_attention_map = outputs.attentions[-1]

Servidor Balmold

Balmold é baseado em bálsamo para prever a estrutura terciária de anticorpos com sequência primária. O servidor online está disponível gratuitamente no Balmold Server. Apenas tente. :)

Citação

Se você achar que nosso modelo é útil para você, cite como:

 @article{jing2024accurate,
  title={Accurate prediction of antibody function and structure using bio-inspired antibody language model},
  author={Jing, Hongtai and Gao, Zhengtao and Xu, Sheng and Shen, Tao and Peng, Zhangzhi and He, Shwai and You, Tao and Ye, Shuang and Lin, Wei and Sun, Siqi},
  journal={Briefings in Bioinformatics},
  volume={25},
  number={4},
  pages={bbae245},
  year={2024},
  publisher={Oxford University Press}
}

O processo de arquitetura e pré-treinamento de bálsamo se baseia no ESM e abraçando a estrutura de modelagem de rosto. Nós realmente apreciamos o trabalho do ESM e abraçando a equipe de rosto.

Licença

Esse código -fonte é licenciado sob a licença do MIT encontrada no arquivo LICENSE no diretório raiz desta árvore de origem.