ppflow
1.0.0
conda create -n ppflow python==3.9
conda activate ppflow
# install requirements
pip install -r requirements.txt
pip install easydict
pip install biopython
# mmseq
conda install bioconda::mmseqs2
# Alternative: obabel and RDkit
conda install -c openbabel openbabel
conda install conda-forge::rdkit
# Alternative for visualization: py3dmol
conda install conda-forge::py3dmol
# torch-geomstats
conda install -c conda-forge geomstats
# torch-scatter
pip install torch-scatter -f https://data.pyg.org/whl/torch-1.13.0+cu117.html
# OR: stable torch-scatter
pip install ./temp/torch_scatter-2.1.1+pt113cu117-cp39-cp39-linux_x86_64.whl
เราจัดเตรียมชุดข้อมูลที่ประมวลผลของ PPBench2024 ผ่าน Google Drive พร้อมกับ `PPDBench 'ที่ประมวลผล
โปรดดาวน์โหลด data.zip และเปิดซิปซึ่งนำไปสู่ไดเรกทอรีไฟล์ข้อมูลเป็น
- data
- processed
cluster_result_all_seqs.fasta
cluster_result_cluster.tsv
cluster_result_rep_seq.fasta
parsed_pair.pt
receptor_sequences.fasta
split.pt
- processed_bench
cluster_result_all_seqs.fasta
cluster_result_cluster.tsv
cluster_result_rep_seq.fasta
parsed_pair.pt
receptor_sequences.fasta
split.pt
pdb_benchmark.pt
pdb_filtered.pt
หากคุณต้องการชุดข้อมูลดิบสำหรับการประมวลผลล่วงหน้าโปรดดาวน์โหลดผ่าน Google Drive คลายซิปไฟล์ datasets_raw.zip ซึ่งนำไปสู่ไดเรกทอรีเป็น
- dataset
- PPDbench
- 1cjr
peptide.pdb
recepotor.pdb
- 1cka
peptide.pdb
recepotor.pdb
...
- ppbench2024
- 1a0m_A
peptide.pdb
recepotor.pdb
เรียกใช้คำสั่งต่อไปนี้สำหรับการฝึกอบรม PPFlow:
python train_ppf.py
เรียกใช้คำสั่งต่อไปนี้สำหรับการฝึกอบรม DIFFPP:
python train_diffpp.py
สำหรับ RDE finetuning คุณควรดาวน์โหลดรุ่น RDE.pt ที่ผ่านการฝึกอบรมก่อนจาก Google จากนั้นบันทึกเป็น ./pretrained/RDE.pt และในที่สุดก็เรียกใช้คำสั่งต่อไปนี้
python train_rde.py --fine_tune ./pretrained/RDE.pt
python codesign_diffpp.py -ckpt {where-the-trained-ckpt-is}
python codesign_ppflow.py -ckpt {where-the-trained-ckpt-is}
ที่นี่เราให้จุดตรวจที่ได้รับการฝึกฝนซึ่งมีชื่อว่า ppflow_pretrained.pt และสามารถดาวน์โหลดได้จาก Google Drive คุณสามารถดาวน์โหลดโดยตรงและคัดลอกไปที่ ./pretrained/ppflow_pretrained.pt นอกจากนี้เรียกใช้สิ่งต่อไปนี้เป็นรุ่น:
python codesign_diffpp.py -ckpt ./pretrained/ppflow_pretrained.pt
หากคุณต้องการประเมินเปปไทด์โดยตรงเราให้เปปไทด์เป็น codesign_results.tar.gz จาก Google Drive ของเราซึ่งประกอบด้วย 100 ตัวอย่าง / โครงสร้างโปรตีนสำหรับการประเมินที่มั่นคงมากขึ้น
| IMP%-S (↑) | ความถูกต้อง (↑) | ความแปลกใหม่ (↑) | ความหลากหลาย |
|---|---|---|---|
| 12.50% | 1.00 | 0.99 | 0.92 |
คุณควรประเมินไฟล์ที่ลงท้ายด้วย _bb3.pdb เป็น PDB ที่สร้างขึ้นเนื่องจากองค์ประกอบ O ใน _bb4.pdb ไม่เสถียรในฟังก์ชั่นการสร้างใหม่ของเรา
conda install conda-forge::vina
pip install meeko
pip install git+https://github.com/Valdes-Tresanco-MS/AutoDockTools_py3.git@aee55d50d5bdcfdbcd80220499df8cde2a8f4b2a
pip install pdb2pqr
./tools/dock/vinadock.py เป็นตัวอย่างของอินเทอร์เฟซ Python ของเราสำหรับ Vinadock
apt-get install -y libfftw3-3 นอกจากนี้ซอฟต์แวร์ HDOCK สามารถดาวน์โหลดได้ผ่าน: http://huanglab.phys.hust.edu.cn/software/hdocklite/ หลังจากดาวน์โหลดแล้วให้ติดตั้งหรือคลายซิปลงในไดเรกทอรี ./bin ซึ่งนำไปสู่โครงสร้างไฟล์เป็น - bin
- hdock
1CGl_l_b.pdb
1CGl_r_b.pdb
createpl
hdock
./tools/dock/hdock.py เป็นตัวอย่างของอินเทอร์เฟซ Python ของเราสำหรับ hdock
conda config --add channels https://yourauthorizedid:[email protected]
conda install pyrosetta
./tools/relax/rosetta_packing.py เป็นตัวอย่างของอินเทอร์เฟซ Python ของเราสำหรับการบรรจุโซ่ด้านข้างของ Rosetta
./bin bin จากนั้นคลายซิปซึ่งจะทำให้ไดเรกทอรีมีลักษณะเหมือน - bin
- FoldX
foldx
โดยที่ Foldx เป็นซอฟต์แวร์ ./tools/score/foldx_energy.py ให้ตัวอย่างของอินเทอร์เฟซ Python ของเราเพื่อความเสถียรของ Foldx
./bin bin หากเข้ากันไม่ได้กับระบบของคุณโปรดติดตั้งผ่าน https://ccsb.scripps.edu/adcp/downloads/ คัดลอก ADFRsuite_x86_64Linux_1.0.tar ไปยัง ./bin bin ในที่สุด ADCP ที่ติดตั้งลงใน ./bin ควรมีลักษณะเหมือน - bin
- ADFRsuite_x86_64Linux_1.0
- Tools
CCSBpckgs.tar.gz
...
ADFRsuite_Linux-x86_64_1.0_install.run
uninstall
อย่าลืมเพิ่มลงใน Env-Path ของคุณเป็น
export PATH={Absolute-path-of-ppfolw}/bin/ADFRsuite_x86_64Linux_1.0/bin:$PATH
./tools/dock/adcpdock.py เป็นตัวอย่างของอินเทอร์เฟซ Python ของเราสำหรับ adcpdocking
./bin , AS - bin
- TMscore
TMscore
TMscore.cpp
ก่อนอื่นให้โคลนไปที่ ./bin
cd ./bin
git clone https://github.com/pharmai/plip.git
cd plip
python setup.py install
alias plip='python {Absolute-path-of-ppfolw}/bin/plip/plip/plipcmd.py'
./tools/interaction/interaction_analysis.py ให้ตัวอย่างของอินเทอร์เฟซ Python ของเราสำหรับการวิเคราะห์การโต้ตอบแบบ Plip
สคริปต์การประเมินผลได้รับในไดเรกทอรี ./evaluation evaluation คุณสามารถเรียกใช้สิ่งต่อไปนี้สำหรับการประเมินผลในการทดลองหลัก:
# Evaluting the docking energy
python eval_bind.py --gen_dir {where-the-generated-peptide-is} --ref_dir {where-the-protein-pdb-is} --save_path {where-you-want-the-docked-peptide-to-be-saved-in}
# Evaluating the sequence and structure
python eval_bind.py --gen_dir {where-the-generated-peptide-is} --ref_dir {where-the-protein-pdb-is} --save_path {where-you-want-the-docked-peptide-to-be-saved-in}
เราให้ตัวอย่างไฟล์ตัวอย่างดังนั้น gen_dir สามารถเป็น ./results/ppflow/codesign_ppflow/0008_3tzy_2024_01_19__19_16_21 /results/ppflow/codesign_ppflow/0008_3TZY_2024_01_19__119_16_21, ref_dir สามารถเป็น ./PPDbench/3tzy/ ppdbench/ save_path ./results/ppflow/codesign_ppflow/0008_3tzy_2024_01_19__19_16_21
หากกระดาษหรือรหัสของเราในที่เก็บเป็นประโยชน์สำหรับคุณโปรดอ้างอิงสิ่งต่อไปนี้:
@inproceedings{lin2024ppflow,
author = {Lin, Haitao and Zhang, Odin and Zhao, Huifeng and Jiang, Dejun and Wu, Lirong and Liu, Zicheng and Huang, Yufei and Li, Stan Z.},
title = {PPFlow: Target-Aware Peptide Design with Torsional Flow Matching},
year = {2024},
booktitle={International Conference on Machine Learning},
URL = {https://www.biorxiv.org/content/early/2024/03/08/2024.03.07.583831},
eprint = {https://www.biorxiv.org/content/early/2024/03/08/2024.03.07.583831.full.pdf},
}
