ByProt: 功能强大的蛋白质设计工具包

Ray

ByProt简介

ByProt是一个专为蛋白质研究领域设计的多功能工具包。它主要聚焦于基于结构的序列设计(又称固定骨架设计),为研究人员提供了强大而灵活的工具。

LM-Design示意图

ByProt的主要特点

  1. 高效的非自回归ProteinMPNN变体: ByProt提供了ProteinMPNN的一个高效且有效的非自回归变体。ProteinMPNN是一个强大的蛋白质固定骨架序列设计工具。

  2. LM-Design的官方实现: ByProt作为LM-Design模型的官方实现,这是一个最先进的蛋白质序列设计模型。该模型源自论文《Structure-informed Language Models Are Protein Designers》,并在ICML 2023会议上进行了口头报告。

  3. 持续扩展的功能: ByProt团队正在不断扩展其功能,以涵盖更广泛的任务和特性。这使得ByProt能够为蛋白质研究提供更加全面的工具包。

安装ByProt

要安装ByProt,请按照以下步骤操作:

  1. 克隆项目仓库:
git clone --recursive https://url/to/this/repo/ByProt.git
cd ByProt
  1. 创建conda虚拟环境:
env_name=ByProt
conda create -n ${env_name} python=3.7 pip
conda activate ${env_name}
  1. 自动安装所有依赖:
bash install.sh

基于结构的蛋白质序列设计(反向折叠)

ByProt提供了多个预训练模型权重,可用于不同的蛋白质设计任务。这些模型权重可以从Zenodo下载。

数据准备

为了使用ByProt进行蛋白质设计,需要准备适当的数据集。ByProt支持以下数据集:

  1. CATH数据集:

    • CATH 4.2数据集由论文《Generative Models for Graph-Based Protein Design》提供。
    • CATH 4.3数据集由论文《Learning inverse folding from millions of predicted structures》提供。

    可以使用以下命令下载CATH数据集:

    bash scripts/download_cath.sh
    
  2. PDB复合物数据(多链): 这个数据集包含了从蛋白质数据库(PDB)中精选的蛋白质(多链)复合物。可以使用以下命令下载:

    bash scripts/download_multichain.sh
    

下载完数据后,需要在相应的配置文件中设置正确的数据路径。

模型训练

ByProt支持多种模型的训练。以下是两个训练示例:

示例1: 非自回归(NAR) ProteinMPNN基线

使用条件掩码语言建模(CMLM)训练NAR ProteinMPNN:

export CUDA_VISIBLE_DEVICES=0
exp=fixedbb/protein_mpnn_cmlm  
dataset=cath_4.2
name=fixedbb/${dataset}/protein_mpnn_cmlm

python ./train.py \
    experiment=${exp} datamodule=${dataset} name=${name} \
    logger=tensorboard trainer=ddp_fp16 

示例2: LM-Design

在ESM-1b 650M基础上训练LM-Design:

exp=fixedbb/lm_design_esm1b_650m
dataset=cath_4.2
name=fixedbb/${dataset}/lm_design_esm1b_650m

./train.py \
    experiment=${exp} datamodule=${dataset} name=${name} \
    logger=tensorboard trainer=ddp_fp16 

评估和推理

训练完成后,可以在验证集或测试集上进行评估和推理:

dataset=cath_4.2
name=fixedbb/${dataset}/lm_design_esm1b_650m
exp_path=/root/research/projects/ByProt/run/logs/${name}

python ./test.py \
    experiment_path=${exp_path} \
    data_split=test ckpt_path=best.ckpt mode=predict \
    task.generator.max_iter=5

在Notebook中使用训练好的模型设计序列

ByProt提供了方便的接口,允许用户在Jupyter Notebook中使用训练好的模型进行序列设计。以下是两个示例:

示例1: 使用ProteinMPNN-CMLM

from byprot.utils.config import compose_config as Cfg
from byprot.tasks.fixedbb.designer import Designer

# 1. 初始化设计器
exp_path = "/root/research/projects/ByProt/run/logs/fixedbb/cath_4.2/protein_mpnn_cmlm"
cfg = Cfg(
    cuda=True,
    generator=Cfg(
        max_iter=1,
        strategy='mask_predict',
        temperature=0,
        eval_sc=False,  
    )
)
designer = Designer(experiment_path=exp_path, cfg=cfg)

# 2. 从PDB文件加载结构
pdb_path = "/root/research/projects/ByProt/data/3uat_variants/3uat_GK.pdb"
designer.set_structure(pdb_path)

# 3. 从给定结构生成序列
designer.generate()

# 4. 计算评估指标
designer.calculate_metrics()

示例2: 使用LM-Design

from byprot.utils.config import compose_config as Cfg
from byprot.tasks.fixedbb.designer import Designer

# 1. 初始化设计器
exp_path = "/root/research/projects/ByProt/run/logs/fixedbb/cath_4.2/lm_design_esm2_650m"
cfg = Cfg(
    cuda=True,
    generator=Cfg(
        max_iter=5,
        strategy='denoise', 
        temperature=0,
        eval_sc=False,  
    )
)
designer = Designer(experiment_path=exp_path, cfg=cfg)

# 2. 从PDB文件加载结构
pdb_path = "/root/research/projects/ByProt/data/3uat_variants/3uat_GK.pdb"
designer.set_structure(pdb_path)

# 3. 生成序列
designer.generate()

# 4. 计算评估指标
designer.calculate_metrics()

示例3: 局部序列设计(Inpainting)

ByProt还支持对蛋白质的特定区段进行局部序列设计,这在设计抗体CDR等应用中非常有用:

pdb_path = "/root/research/projects/ByProt/data/pdb_samples/5izu_proc.pdb"
designer.set_structure(pdb_path)

start_ids = [1, 50]
end_ids = [10, 100]

for i in range(5):
    out, ori_seg, designed_seg = designer.inpaint(
        start_ids=start_ids, end_ids=end_ids, 
        generator_args={'temperature': 1.0}
    )
    print(designed_seg)
print('Original Segments:')
print(ori_seg)

致谢

ByProt项目得益于多个开源项目和个人的贡献:

ByProt团队对这些仓库的作者表示诚挚的感谢,他们的贡献对ByProt的开发至关重要。

总结

ByProt作为一个功能强大的蛋白质设计工具包,为研究人员提供了丰富的资源和灵活的接口。无论是进行基础研究还是应用开发,ByProt都能满足各种蛋白质设计需求。随着功能的不断扩展,ByProt有望成为蛋白质研究领域的重要工具之一。

如果您在研究中使用了ByProt,请引用以下论文:

@inproceedings{zheng2023lm_design,
    title={Structure-informed Language Models Are Protein Designers},
    author={Zheng, Zaixiang and Deng, Yifan and Xue, Dongyu and Zhou, Yi and YE, Fei and Gu, Quanquan},
    booktitle={International Conference on Machine Learning},
    year={2023}
}

通过使用ByProt,研究人员可以更高效地进行蛋白质序列设计,推动蛋白质工程和生物技术领域的发展。随着人工智能和机器学习技术在生物学领域的不断应用,像ByProt这样的工具将在未来的蛋白质研究中发挥越来越重要的作用。

avatar
0
0
0
最新项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号