GeoAB

GEOAB：邁向逼真的抗體設計和可靠的親和力成熟

安裝

安裝要求

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

數據集

請按照Dymean中的數據準備腳本進行操作，該腳本將原始數據集帶動為

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

可以從Google Drive https://drive.google.com/drive/folders/1pnsogt0gdijr9emmmp2pitjzdulzi3gg下載處理後的數據。下載all_data.zip後，可以將其解壓縮並獲得處理後的數據集。

訓練和評估GeoAB設計師

運行以下命令進行培訓：

 # 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

為了進行評估，請運行以下命令：

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

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

我們在cdrh3.zip中提供了驗證的模型，可以從https://drive.google.com/drive/folders/1pnsogt0gdijr9emmmmmmmp2pitjzdulzi3gg下載。您可以使用我們驗證的模型直接評估結果。

DDG預測

對於DDG預測部分，我們的模型將通過平台進行更新，該平台將很快在線。

引用

如果存儲庫或紙張對您有所幫助，請引用紙張

 @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}
}