REINVENT4

คิดค้น 4

คำอธิบาย

Reinvent เป็นเครื่องมือออกแบบโมเลกุลสำหรับการออกแบบ de novo, การกระโดดนั่งร้าน, การเปลี่ยนกลุ่ม R-Group, การออกแบบ linker, การเพิ่มประสิทธิภาพโมเลกุลและงานออกแบบโมเลกุลขนาดเล็กอื่น ๆ Reinvent ใช้อัลกอริทึมการเรียนรู้เสริมแรง (RL) เพื่อสร้างโมเลกุลที่ดีที่สุดที่สอดคล้องกับโปรไฟล์คุณสมบัติที่ผู้ใช้กำหนดไว้ซึ่งกำหนดเป็นคะแนนหลายองค์ประกอบ การถ่ายโอนการเรียนรู้ (TL) สามารถใช้ในการสร้างหรือฝึกอบรมแบบจำลองที่สร้างโมเลกุลใกล้กับชุดของโมเลกุลอินพุต

บทความที่อธิบายซอฟต์แวร์ได้รับการเผยแพร่เป็นการเข้าถึงแบบเปิดในวารสารเคมีบำบัด: Reinvent 4: การออกแบบโมเลกุลที่มีการสร้างแบบกำเนิด AI - โมเดิร์น ดูผู้เขียน MD สำหรับการอ้างอิงถึงเอกสารก่อนหน้า

ความต้องการ

Reinvent กำลังได้รับการพัฒนาบน Linux และรองรับทั้ง GPU และ CPU เวอร์ชัน Linux ได้รับการตรวจสอบอย่างสมบูรณ์ reinvent on Windows และ MacOSX รองรับทั้ง GPU และ CPU แต่ได้รับการทดสอบเพียงบางส่วนบนแพลตฟอร์มเหล่านี้และดังนั้นการสนับสนุนจึงมี จำกัด

รหัสถูกเขียนใน Python 3 (> = 3.10) รายการของการพึ่งพาสามารถพบได้ในที่เก็บ (ดูการติดตั้งด้านล่างด้วย)

GPU ไม่จำเป็นอย่างเคร่งครัด แต่แนะนำอย่างยิ่งสำหรับเหตุผลด้านประสิทธิภาพโดยเฉพาะอย่างยิ่งสำหรับการถ่ายโอนการเรียนรู้และการฝึกอบรมแบบจำลอง การเรียนรู้เสริมแรง (RL) ต้องการการคำนวณคะแนนที่ส่วนประกอบที่ให้คะแนนส่วนใหญ่ทำงานบน CPU ดังนั้น GPU จึงมีความสำคัญน้อยกว่าสำหรับ RL (ขึ้นอยู่กับระยะเวลาที่ใช้ใน CPU)

โปรดทราบว่าหากไม่มีการติดตั้ง GPU ในคอมพิวเตอร์ของคุณรหัสจะทำงานบน CPU โดยอัตโนมัติ Reinvent รองรับ Nvidia GPU และ AMD GPU บางส่วน สำหรับงานออกแบบส่วนใหญ่หน่วยความจำประมาณ 8 GIB สำหรับทั้งหน่วยความจำหลัก CPU และหน่วยความจำ GPU นั้นเพียงพอแล้ว

การติดตั้ง

1. โคลนพื้นที่เก็บข้อมูล Git นี้
2. ติดตั้ง Python รุ่นที่เข้ากันได้เช่น conda (สภาพแวดล้อมเสมือนอื่น ๆ เช่น Docker, Pyenv หรือ System Package Manager ก็ใช้งานได้)

   conda create --name reinvent4 python=3.10
   conda activate reinvent4

3. เปลี่ยนไดเรกทอรีเป็นที่เก็บและติดตั้งการพึ่งพาจากล็อคไฟล์:

   pip install -r requirements-linux-64.lock

   1. ตัวเลือก : หากคุณต้องการใช้ AMD GPU บน Linux คุณจะต้องติดตั้งเวอร์ชัน ROCM Pytorch ด้วยตนเอง หลังจาก การติดตั้งการพึ่งพาในจุดที่ 3 เช่น

      pip install torch==2.2.1 torchvision==0.17.1 torchaudio==2.2.1 --index-url https://download.pytorch.org/whl/rocm5.7

   2. ตัวเลือก : ใช้ requirements-macOS.lock สำหรับ macOSX
4. ติดตั้งเครื่องมือ การพึ่งพาได้ติดตั้งไว้แล้วในขั้นตอนก่อนหน้าดังนั้นจึงไม่จำเป็นต้องติดตั้งอีกครั้ง (ธง `-ไม่ต้องไปถึง) หากคุณต้องการติดตั้งในโหมดแก้ไขได้ (การเปลี่ยนแปลงรหัสพร้อมใช้งานโดยอัตโนมัติ) ให้เพิ่ม -e ก่อน DOT

   pip install --no-deps .

5. ทดสอบเครื่องมือ ตัวติดตั้งได้เพิ่มสคริปต์ reinvent ลงในเส้นทางของคุณ

   reinvent --help

การใช้งานขั้นพื้นฐาน

Reinvent เป็นเครื่องมือบรรทัดคำสั่งและทำงานเป็นหลักดังนี้

reinvent -l sampling.log sampling.toml

สิ่งนี้เขียนข้อมูลการบันทึกไปยังไฟล์ sampling.log หากคุณต้องการเขียนสิ่งนี้ลงบนหน้าจอให้ทิ้งส่วนที่ -l sampling.log sampling.toml เป็นไฟล์การกำหนดค่า รูปแบบผู้ใช้หลักคือ TOML เนื่องจากมีแนวโน้มที่จะเป็นมิตรมากขึ้น JSON สามารถใช้งานได้เช่นกันเพิ่ม -f json แต่แนะนำให้ใช้โปรแกรมแก้ไขเฉพาะเนื่องจากรูปแบบมีความอ่อนไหวต่อการเปลี่ยนแปลงเล็กน้อย

ตัวอย่างไฟล์การกำหนดค่าสำหรับโหมดการรันทั้งหมดจะอยู่ใน config/toml ในที่เก็บและพา ธ ไฟล์ในไฟล์เหล่านี้จะต้องปรับให้เข้ากับการติดตั้งในพื้นที่ของคุณ โดยเฉพาะอย่างยิ่งโมเดลก่อนหน้าที่พร้อมทำอยู่ใน priors และคุณจะเลือกโมเดลและโหมดการทำงานที่เหมาะสมขึ้นอยู่กับปัญหาการวิจัยที่คุณพยายามแก้ไข มีข้อมูลเพิ่มเติมใน config/toml ในไฟล์ *.md หลายไฟล์พร้อมคำแนะนำเกี่ยวกับวิธีการกำหนดค่าไฟล์ TOML นักบวชภายในสามารถอ้างอิงได้ด้วยสัญกรณ์จุด (ดู reinvent/prior_registry.py )

สมุดบันทึกการสอน / Jupyter

คำแนะนำพื้นฐานสามารถพบได้ในความคิดเห็นในตัวอย่างการกำหนดค่าใน config/toml

สมุดบันทึกมีให้ใน notebooks/ ไดเรกทอรี โปรดทราบว่าเราจัดเตรียมสมุดบันทึกในรูปแบบ "สคริปต์แสง" ของ JupyText ในการทำงานกับสคริปต์แสงคุณจะต้องติดตั้ง JupyText แพ็คเกจอื่น ๆ อีกสองสามอย่างจะมีประโยชน์เช่นกัน

pip install jupytext mols2grid seaborn

ไฟล์ Python ใน notebooks/ สามารถแปลงเป็นสมุดบันทึกได้เช่น

jupytext -o Reinvent_demo.ipynb Reinvent_demo.py

อัปเดตการพึ่งพา

อัปเดตไฟล์ล็อคด้วย pip-tools (โปรดอย่าแก้ไขไฟล์ด้วยตนเอง):

pip-compile --extra-index-url=https://download.pytorch.org/whl/cu121 --extra-index-url=https://pypi.anaconda.org/OpenEye/simple --resolver=backtracking pyproject.toml

ในการอัปเดตแพ็คเกจเดียวให้ใช้ pip-compile --upgrade-package somepackage (ดูเอกสารประกอบสำหรับ PIP-Tools)

ปลั๊กอินให้คะแนน

ระบบย่อยการให้คะแนนใช้กลไกปลั๊กอินง่าย ๆ หากคุณต้องการเขียนปลั๊กอินของคุณเองให้ทำตามคำแนะนำด้านล่าง ไม่จำเป็นต้องสัมผัสรหัส reinvent ใด ๆ พื้นที่เก็บข้อมูลสาธารณะมีไดเรกทอรี Contrib พร้อมตัวอย่างที่มีประโยชน์

1. สร้าง /top/dir/somewhere/reinvent_plugins/components ที่ /top/dir/somewhere เป็นสถานที่ที่สะดวกสำหรับคุณ
2. อย่า วาง __init__.py ใน reinvent_plugins หรือ components เนื่องจากจะทำลายกลไก เป็นเรื่องปกติที่จะสร้างแพ็คเกจปกติภายใน components ตราบใดที่คุณนำเข้าอย่างถูกต้อง
3. วางไฟล์ที่มีชื่อเริ่มต้นด้วย comp_* ลงใน reinvent_plugins/components ไฟล์ที่มีชื่อต่าง ๆ จะถูกละเว้นเช่นไม่นำเข้า ไดเรกทอรีจะถูกค้นหาซ้ำเพื่อจัดโครงสร้างรหัสของคุณตามต้องการ แต่ชื่อไดเรกทอรี/แพ็คเกจจะต้องไม่ซ้ำกัน
4. แท็กคลาสส่วนประกอบการให้คะแนน (ES) ในไฟล์นั้นด้วย @ADD_TAG Decorator สามารถเพิ่มคลาสองค์ประกอบมากกว่าหนึ่งคลาสลงในไฟล์ comp_ เดียวกัน ดูรหัสที่มีอยู่
5. แท็กที่ dataclass ส่วนใหญ่หนึ่งตัวสำหรับพารามิเตอร์ในไฟล์เดียวกันดูรหัสที่มีอยู่ นี่เป็นทางเลือก
6. ตั้งค่าหรือเพิ่ม /top/dir/somewhere ไปยังตัวแปรสภาพแวดล้อม PYTHONPATH หรือใช้กลไกอื่น ๆ เพื่อขยาย sys.path
7. ตอนนี้ส่วนประกอบการให้คะแนนควรถูกนำมาใช้โดยอัตโนมัติโดย reinvent

การทดสอบหน่วยและการรวม

นี่คือหลักสำหรับนักพัฒนาและผู้ดูแลระบบ/ผู้ใช้ที่ต้องการให้แน่ใจว่าการติดตั้งใช้งานได้ ข้อมูลที่นี่ไม่เกี่ยวข้องกับการใช้งานจริง โปรดดู การใช้งานพื้นฐาน สำหรับคำแนะนำเกี่ยวกับวิธีการใช้คำสั่ง reinvent

โครงการ Reinvent ใช้เฟรมเวิร์ก pytest สำหรับการทดสอบ ก่อนที่คุณจะเรียกใช้พวกเขาก่อนคุณต้องสร้างไฟล์กำหนดค่าสำหรับการทดสอบ

ในไดเรกทอรีโครงการสร้างไฟล์ config.json ใน configs/ directory คุณสามารถใช้ตัวอย่างการกำหนดค่า example.config.json เป็นฐาน ตรวจสอบให้แน่ใจว่าคุณตั้ง MAIN_TEST_PATH เป็นไดเรกทอรีที่ไม่มีอยู่จริง นั่นคือที่จะเขียนไฟล์ชั่วคราวระหว่างการทดสอบ หากตั้งค่าเป็นไดเรกทอรีที่มีอยู่ไดเรกทอรีนั้นจะถูกลบออกเมื่อการทดสอบเสร็จสิ้น

การทดสอบบางอย่างจำเป็นต้องมีใบอนุญาต Openeye ที่เป็นกรรมสิทธิ์ คุณต้องตั้งค่าบางอย่างเพื่อให้การทดสอบอ่านใบอนุญาตของคุณ วิธีง่ายๆคือการตั้งค่าตัวแปรสภาพแวดล้อม OE_LICENSE ไปยังเส้นทางของไฟล์ที่มีใบอนุญาต

เมื่อคุณมีการกำหนดค่าและใบอนุญาตของคุณสามารถอ่านได้คุณสามารถเรียกใช้การทดสอบ

 $ pytest tests --json /path/to/config.json --device cuda