bio_embeddings
v0.2.2
Recursos para aprender sobre Bio_embeddings:
examples de configurações de pipeline A e notebooks .Objetivos do projeto:
O projeto inclui:
Você pode instalar bio_embeddings via Pip ou usá -lo via Docker. Lembre -se das dependências adicionais para align .
Instale o pipeline e todos os extras como assim:
pip install bio-embeddings[all]Para instalar a versão instável, instale o pipeline como assim:
pip install -U " bio-embeddings[all] @ git+https://github.com/sacdallago/bio_embeddings.git "Se você precisar executar apenas um modelo específico (por exemplo, um modelo ESM ou Prottrans), poderá instalar bio-incorporação sem dependências e instalar a dependência específica do modelo, por exemplo:
pip install bio-embeddings
pip install bio-embeddings[prottrans]Os extras são:
Fornecemos uma imagem do docker em ghcr.io/bioembeddings/bio_embeddings . Exemplo de uso simples:
docker run --rm --gpus all
-v "$(pwd)/examples/docker":/mnt
-v bio_embeddings_weights_cache:/root/.cache/bio_embeddings
-u $(id -u ${USER}):$(id -g ${USER})
ghcr.io/bioembeddings/bio_embeddings:v0.1.6 /mnt/config.yml
Veja o exemplo docker na pasta examples para obter instruções. Você também pode usar ghcr.io/bioembeddings/bio_embeddings:latest , que é construído a partir da última confirmação.
Para usar o protocolo mmseqs_search , ou as funções mmsesq2 no align , você também precisa ter MMSEQS2 no seu caminho.
bio_embeddings foi desenvolvido para máquinas UNIX com recursos de GPU e CUDA instalado. Se a sua configuração divergir disso, você poderá encontrar algumas inconsistências (por exemplo, a velocidade é significativamente afetada pela ausência de uma GPU e CUDA). Para usuários do Windows, recomendamos fortemente o uso do subsistema Windows para o Linux.
Cada modelos tem seus pontos fortes e fracos (velocidade, especificidade, pegada de memória ...). Não existe um "único" e o encorajamos a tentar pelo menos dois modelos diferentes ao tentar um novo projeto exploratório.
Os modelos prottrans_t5_xl_u50 , esm1b , esm , prottrans_bert_bfd , prottrans_albert_bfd , seqvec e prottrans_xlnet_uniref100 foram todos treinados com o objetivo das previsões sistemáticas. A partir deste pool, acreditamos que o modelo ideal seja prottrans_t5_xl_u50 , seguido pelo esm1b .
É altamente recomendável que você verifique a pasta examples para exemplos de pipeline e a pasta notebooks para execuções de pipeline de pós-processamento e uso de propósito geral dos incorporadores.
Depois de instalar o pacote, você pode:
Use o oleoduto como:
bio_embeddings config.yml Um plano do arquivo de configuração e uma configuração de exemplo podem ser encontrados no diretório examples deste repositório.
Use os objetos incorporadores de propósito geral via Python, por exemplo:
from bio_embeddings . embed import SeqVecEmbedder
embedder = SeqVecEmbedder ()
embedding = embedder . embed ( "SEQVENCE" ) Mais exemplos podem ser encontrados na pasta notebooks deste repositório.
Se você usar bio_embeddings para sua pesquisa, agradeceríamos se você pudesse citar o seguinte artigo:
Dallago, C., Schütze, K., Heinzinger, M., Olenyi, T., Littmann, M., Lu, Ax, Yang, KK, Min, S., Yoon, S., Morton, Jt, & Rost, B. (2021). As incorporações aprendidas do aprendizado profundo para visualizar e prever conjuntos de proteínas. Protocolos atuais, 1, E113. doi: 10.1002/cpz1.113
O correspondente bibtex:
@article{https://doi.org/10.1002/cpz1.113,
author = {Dallago, Christian and Schütze, Konstantin and Heinzinger, Michael and Olenyi, Tobias and Littmann, Maria and Lu, Amy X. and Yang, Kevin K. and Min, Seonwoo and Yoon, Sungroh and Morton, James T. and Rost, Burkhard},
title = {Learned Embeddings from Deep Learning to Visualize and Predict Protein Sets},
journal = {Current Protocols},
volume = {1},
number = {5},
pages = {e113},
keywords = {deep learning embeddings, machine learning, protein annotation pipeline, protein representations, protein visualization},
doi = {https://doi.org/10.1002/cpz1.113},
url = {https://currentprotocols.onlinelibrary.wiley.com/doi/abs/10.1002/cpz1.113},
eprint = {https://currentprotocols.onlinelibrary.wiley.com/doi/pdf/10.1002/cpz1.113},
year = {2021}
}
Additionally, we invite you to cite the work from others that was collected in `bio_embeddings` (see section _"Tools by category"_ below). We are working on an enhanced user guide which will include proper references to all citable work collected in `bio_embeddings`.
Quer adicionar seu próprio modelo? Consulte Contribuindo para obter instruções.
prottrans_t5_xl_u50 Resíduos e incorporações de sequência do proteoma humano com precisão + previsões de estrutura secundária + previsões de localização subcelular:prottrans_t5_xl_u50 Resíduos e incorporações de sequência do proteoma da mosca com precisão total + previsões de estrutura secundária + previsões de localização sub-celular + previsão de conservação + previsão de variação: 
