graphein下载 - graphein源代码下载

graphein

Python

v1.7.7

下载

文档|纸|教程|安装

蛋白质与互动图库

该软件包提供了产生蛋白质和RNA结构以及生物相互作用网络的几何表示的功能。我们提供与标准PYDATA格式的兼容性，以及旨在易于使用的图形对象，可与流行的深度学习库易用。

什么是新的？


1.7.0	foldcomp数据集
1.7.0	从PDB创建数据集
1.6.0	蛋白张量模块
1.5.0	alphafold2创建蛋白质图！
1.5.0	Dotbracket符号的RNA图构造法
1.4.0	构造分子图
1.3.0	Pytorch几何的即时数据加载器
1.2.0	从蛋白质图中提取子图
1.2.0	蛋白质图分析
1.2.0	Gruphein CLI
1.2.0	蛋白质图可视化！
1.1.0	蛋白质 - 蛋白质相互作用网络支持和结构相互作用组学（使用alphafold2！）
1.0.0	高级和低水平的API，以实现巨大的灵活性 - 创建自己的定制工作流！

示例用法

Chaphein提供了一个程序化API和用于构造图形的命令行界面。

CLI

Chaphein Configs可以指定为.yaml文件，以从命令行批处理过程图。

文档

graphein -c config.yaml -p path/to/pdbs -o path/to/output

创建蛋白质图


教程（残留级）	教程（原子）	文档

 from graphein . protein . config import ProteinGraphConfig
from graphein . protein . graphs import construct_graph

config = ProteinGraphConfig ()
g = construct_graph ( config = config , pdb_code = "3eiy" )

从AlphaFold蛋白质结构数据库中创建蛋白质图


教程	文档

 from graphein . protein . config import ProteinGraphConfig
from graphein . protein . graphs import construct_graph
from graphein . protein . utils import download_alphafold_structure

config = ProteinGraphConfig ()
fp = download_alphafold_structure ( "Q5VSL9" , aligned_score = False )
g = construct_graph ( config = config , path = fp )

创建蛋白质网格


教程	文档

 from graphein . protein . config import ProteinMeshConfig
from graphein . protein . meshes import create_mesh

verts , faces , aux = create_mesh ( pdb_code = "3eiy" , config = config )

创建分子图

Chaphein可以从微笑字符串以及.sdf ， .mol2和.pdb文件中创建分子图


教程	文档

 from graphein . molecule . config import MoleculeGraphConfig
from graphein . molecule . graphs import construct_graph

g = create_graph ( smiles = "CC(=O)OC1=CC=CC=C1C(=O)O" , config = config )

创建RNA图


教程	文档

 from graphein . rna . graphs import construct_rna_graph
# Build the graph from a dotbracket & optional sequence
rna = construct_rna_graph ( dotbracket = '..(((((..(((...)))..)))))...' ,
                          sequence = 'UUGGAGUACACAACCUGUACACUCUUUC' )

创建蛋白质 - 蛋白质相互作用图


教程	文档

 from graphein . ppi . config import PPIGraphConfig
from graphein . ppi . graphs import compute_ppi_graph
from graphein . ppi . edges import add_string_edges , add_biogrid_edges

config = PPIGraphConfig ()
protein_list = [ "CDC42" , "CDK1" , "KIF23" , "PLK1" , "RAC2" , "RACGAP1" , "RHOA" , "RHOB" ]

g = compute_ppi_graph ( config = config ,
                      protein_list = protein_list ,
                      edge_construction_funcs = [ add_string_edges , add_biogrid_edges ]
                     )

创建基因调节网络图


教程	文档

 from graphein . grn . config import GRNGraphConfig
from graphein . grn . graphs import compute_grn_graph
from graphein . grn . edges import add_regnetwork_edges , add_trrust_edges

config = GRNGraphConfig ()
gene_list = [ "AATF" , "MYC" , "USF1" , "SP1" , "TP53" , "DUSP1" ]

g = compute_grn_graph (
    gene_list = gene_list ,
    edge_construction_funcs = [
        partial ( add_trrust_edges , trrust_filtering_funcs = config . trrust_config . filtering_functions ),
        partial ( add_regnetwork_edges , regnetwork_filtering_funcs = config . regnetwork_config . filtering_functions ),
    ],
)

安装

pip

最简单的安装是通过PIP。 nb这不安装将转换为数据格式的ML/DL库以及与Pytorch 3D生成蛋白质结构网格所需的。更多细节

pip install graphein # For base install
pip install graphein[extras] # For additional featurisation dependencies
pip install graphein[dev] # For dev dependencies
pip install graphein[all] # To get the lot

但是，有许多（可选的）实用程序（DSSP，Pymol，GetContacts）无法通过PYPI提供：

 conda install -c salilab dssp # Required for computing secondary structural features
conda install -c schrodinger pymol # Required for PyMol visualisations & mesh generation

# GetContacts - used as an alternative way to compute intramolecular interactions
conda install -c conda-forge vmd-python
git clone https://github.com/getcontacts/getcontacts

# Add folder to PATH
echo "export PATH=$PATH:`pwd`/getcontacts" >> ~/.bashrc
source ~/.bashrc
To test the installation, run:

cd getcontacts/example/5xnd
get_dynamic_contacts.py --topology 5xnd_topology.pdb 
                        --trajectory 5xnd_trajectory.dcd 
                        --itypes hb 
                        --output 5xnd_hbonds.tsv

康达环境

开发环境包括集成到Chaphein中的每个深度学习库中的GPU构建（CUDA 11.1）。

git clone https://www.github.com/a-r-j/graphein
cd graphein
conda env create -f environment-dev.yml
pip install -e .

可以通过以下方式执行较轻的安装：

git clone https://www.github.com/a-r-j/graphein
cd graphein
conda env create -f environment.yml
pip install -e .

Dockerfile

我们在本地提供两个CPU（ docker-compose.cpu.yml ）和GPU用法（ docker-compose.yml ）的docker-compose文件。对于GPU使用率，请确保安装了NVIDIA容器工具包。进入容器后，请确保您安装本地安装的音量（ pip install -e . ）。这也将在本地设置开发环境。

构建（GPU）运行：

 docker-compose up -d --build # start the container
docker-compose down # stop the container

引用石墨蛋白

如果证明对您的工作有用，请考虑引用Chaphein。

 @inproceedings { jamasb2022graphein ,
  title = { Graphein - a Python Library for Geometric Deep Learning and Network Analysis on Biomolecular Structures and Interaction Networks } ,
  author = { Arian Rokkum Jamasb and Ramon Vi{~n}as Torn{'e} and Eric J Ma and Yuanqi Du and Charles Harris and Kexin Huang and Dominic Hall and Pietro Lio and Tom Leon Blundell } ,
  booktitle = { Advances in Neural Information Processing Systems } ,
  editor = { Alice H. Oh and Alekh Agarwal and Danielle Belgrave and Kyunghyun Cho } ,
  year = { 2022 } ,
  url = { https://openreview.net/forum?id=9xRZlV6GfOX }
}