GeoAB

GEOAB：迈向逼真的抗体设计和可靠的亲和力成熟

安装

安装要求

 conda create -n geoab python==3.9
conda activate geoab
pip install -r requirements.txt

数据集

请按照Dymean中的数据准备脚本进行操作，该脚本将原始数据集带动为

 - all_data
    - RAbD_H3
        - test_processed
            _metainfo
            part_0.pkl
        - train_processed
            ...
        - valid_processed
            ...
        test.json
        train.json
        valid.json
    - SKEMPI
        ...

可以从Google Drive https://drive.google.com/drive/folders/1pnsogt0gdijr9emmmp2pitjzdulzi3gg下载处理后的数据。下载all_data.zip后，可以将其解压缩并获得处理后的数据集。

训练和评估GeoAB设计师

运行以下命令进行培训：

 # Train GeoAB-refiner
python train_refine.py

# Train GeoAB-Initializer
python train_init.py
# After GeoAB-Initializer is trained, train GeoAB-Designer
python train_design.py

为了进行评估，请运行以下命令：

 # Evaluate GeoAB-Refiner
python eval.py --eval_dir H3_refine --run 1

# Evaluate GeoAB-Designer
python eval.py --eval_dir H3_design

我们在cdrh3.zip中提供了验证的模型，可以从https://drive.google.com/drive/folders/1pnsogt0gdijr9emmmmmmmp2pitjzdulzi3gg下载。您可以使用我们验证的模型直接评估结果。

DDG预测

对于DDG预测部分，我们的模型将通过平台进行更新，该平台将很快在线。

引用

如果存储库或纸张对您有所帮助，请引用纸张

 @article {lin2024geoab,
	author = {Lin, Haitao and Wu, Lirong and Huang, Yufei and Liu, Yunfan and Zhang, Odin and Zhou, Yuanqing and Sun, Rui and Li, Stan Z.},
	title = {GeoAB: Towards Realistic Antibody Design and Reliable Affinity Maturation},
    	year = {2024},
	booktitle={International Conference on Machine Learning},
	URL = {https://www.biorxiv.org/content/early/2024/05/17/2024.05.15.594274},
	eprint = {https://www.biorxiv.org/content/early/2024/05/17/2024.05.15.594274.full.pdf}
}