DrugHIVE

藥物：基於結構的藥物設計，具有深層層次生成模型

該存儲庫是Drughive的官方實施，這是為基於結構的藥物設計開發的深層分層自動編碼器。 JCIM紙。

安裝

1。依賴項

該代碼已在以下環境中進行了測試：

軟體	版本
Python	3.9.16
庫達	11.6
OpenBabel	3.1.1
Pytorch	1.12.1
Pytorch閃電	2.0.0
rdkit	2021.09.5

通過Conda安裝

使用要求中列出的要求安裝依賴項requirements.txt ：

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

2。git克隆存儲庫

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

採樣

預訓練的模型

可以從Zenodo下載預訓練的模型權重：

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

配體一代

要從drughive採樣，請首先調整generate.yml示例配置文件中的參數。然後，運行以下命令：

python generate_molecules.py config/generate.yml

要從先前的樣品進行示例，請在配置文件中設置zbetas: 1.
要從後部進行採樣，請在配置文件中設置zbetas: 0.
要在先驗和後部之間進行樣品，請在0.和1.之間設置zbetas的值。

子結構修改（腳手架跳躍）

要生成具有子結構修改的分子，請首先調整generate_spatial.yml示例配置文件中的參數。然後，運行以下命令：

python generate_molecules.py config/generate_spatial.yml

配體優化

安裝ChampeChvina 2

在運行優化過程之前，必須安裝QuickVina 2對接工具：

• 從https://qvina.github.io下載（或編譯）QuickVina2對接工具
• 將qvina2.1放入DrugHIVE/或在PATH變量中列出的目錄中（例如/usr/bin/ ）

運行優化

要用毒人優化分子，請首先調整generate_optimize.yml示例配置文件中的參數。然後，運行以下命令：

python generate_optimize.py config/generate_optimize.yml

訓練

1。下載PDBBIND數據集

從http://www.pdbbind.org.cn/下載並提取PDBBIND精製數據集

2。下載鋅分子

從https://zinc20.docking.org/下載鋅分子以SDF或MOL2格式下載。將它們放入一個目錄中。

3。處理培訓數據集

要處理PDBBIND數據集，請運行：

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

要處理鋅數據集，請運行：

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

在這裡， <file_extension>可以是sdf或mol2之一。

4。訓練

首先，調整config/train.yml示例配置文件中的培訓參數。確保將data_path_pdb和data_path_zinc設置為數據集的位置。然後，運行以下命令：

python train.py config/train.yml