DrugHIVE

药物：基于结构的药物设计，具有深层层次生成模型

该存储库是Drughive的官方实施，这是为基于结构的药物设计开发的深层分层自动编码器。 JCIM纸。

安装

1。依赖项

该代码已在以下环境中进行了测试：

软件	版本
Python	3.9.16
库达	11.6
OpenBabel	3.1.1
Pytorch	1.12.1
Pytorch闪电	2.0.0
rdkit	2021.09.5

通过Conda安装

使用要求中列出的要求安装依赖项requirements.txt ：

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

2。git克隆存储库

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

采样

预训练的模型

可以从Zenodo下载预训练的模型权重：

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

配体一代

要从drughive采样，请首先调整generate.yml示例配置文件中的参数。然后，运行以下命令：

python generate_molecules.py config/generate.yml

要从先前的样品进行示例，请在配置文件中设置zbetas: 1.
要从后部进行采样，请在配置文件中设置zbetas: 0.
要在先验和后部之间进行样品，请在0.和1.之间设置zbetas的值。

子结构修改（脚手架跳跃）

要生成具有子结构修改的分子，请首先调整generate_spatial.yml示例配置文件中的参数。然后，运行以下命令：

python generate_molecules.py config/generate_spatial.yml

配体优化

安装ChampeChvina 2

在运行优化过程之前，必须安装QuickVina 2对接工具：

• 从https://qvina.github.io下载（或编译）QuickVina2对接工具
• 将qvina2.1放入DrugHIVE/或在PATH变量中列出的目录中（例如/usr/bin/ ）

运行优化

要用毒人优化分子，请首先调整generate_optimize.yml示例配置文件中的参数。然后，运行以下命令：

python generate_optimize.py config/generate_optimize.yml

训练

1。下载PDBBIND数据集

从http://www.pdbbind.org.cn/下载并提取PDBBIND精制数据集

2。下载锌分子

从https://zinc20.docking.org/下载锌分子以SDF或MOL2格式下载。将它们放入一个目录中。

3。处理培训数据集

要处理PDBBIND数据集，请运行：

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

要处理锌数据集，请运行：

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

在这里， <file_extension>可以是sdf或mol2之一。

4。训练

首先，在config/train.yml示例配置文件中调整培训参数。确保将data_path_pdb和data_path_zinc设置为数据集的位置。然后，运行以下命令：

python train.py config/train.yml