DrugHIVE

Drughive: структура на основе дизайна лекарств с глубокой иерархической генеративной моделью

Этот репозиторий является официальной реализацией Drughive , глубокого иерархического вариационного аутокодера, разработанного для структурного дизайна лекарств. JCIM Paper.

Установка

1. Зависимости

Код был протестирован в следующей среде:

Программное обеспечение	Версия
Питон	3.9.16
Куда	11.6
OpenBabel	3.1.1
Пирог	1.12.1
Питорх Молния	2.0.0
Rdkit	2021.09.5

Установите через Conda

Установите зависимости, используя перечисленные требования в requirements.txt :

conda create -n drughive -c conda-forge -c pytorch -c nvidia -c rdkit --file requirements.txt

2. GIT клонировать репозиторий

git clone https://github.com/jssweller/DrugHIVE

Выборка

Предварительно обученные модели

Предварительно обученные веса модели могут быть загружены с Zenodo:

wget -P model_checkpoints/ https://zenodo.org/records/12668687/files/drughive_model_ch9.ckpt

Генерация лиганда

Чтобы обратить внимание из Drughive, сначала отрегулируйте параметры в файле конфигурации generate.yml . Затем запустите следующую команду:

python generate_molecules.py config/generate.yml

Чтобы попробовать из предварительного, установите zbetas: 1. В файле конфигурации.
Чтобы попробовать с задней части, установите zbetas: 0. В файле конфигурации.
Для выборки между предыдущим и задним средством установите значения zbetas между 0. и 1. .

Модификация субструктуры (скафолты)

Чтобы генерировать молекулы с модификацией субструктуры, сначала настройте параметры в файле конфигурации generate_spatial.yml . Затем запустите следующую команду:

python generate_molecules.py config/generate_spatial.yml

Оптимизация лиганда

Установите Quickvina 2

Перед запуском процесса оптимизации необходимо установить инструмент стыковки QuickVina 2:

• Скачать (или компилировать) инструмент стыковки QuickVina2 с https://qvina.github.io
• Поместите qvina2.1 в DrugHIVE/ или в каталоге, указанном в переменной вашего PATH (например, /usr/bin/ )

Запустить оптимизация

Чтобы оптимизировать молекулы с помощью Drughive, сначала отрегулируйте параметры в файле конфигурации generate_optimize.yml . Затем запустите следующую команду:

python generate_optimize.py config/generate_optimize.yml

Обучение

1. Скачать набор данных PDBBIND

Загрузите и извлеките уточненный набор данных PDBBIND с http://www.pdbbind.org.cn/

2. Скачать молекулы цинка

Скачать молекулы цинка с https://zinc20.docking.org/ в формате SDF или MOL2. Поместите их в один каталог.

3. Обработайте наборы данных для обучения

Чтобы обработать набор данных PDBBind, запустите:

python process_pdbbind_data.py < path/to/PDBbind/directory >

Чтобы обработать набор данных цинка, запустите:

python process_zinc_data.py < path/to/ZINC/directory > -o data/zinc_data/zinc_data.h5 -ext < file_extension >

Здесь <file_extension> может быть один из sdf или mol2 .

4. Пропустить обучение

Во -первых, отрегулируйте учебные параметры в файле конфигурации config/train.yml . Обязательно установите data_path_pdb и data_path_zinc в местоположениях ваших наборов данных. Затем запустите следующую команду:

python train.py config/train.yml