MISATO - 用于基于结构的药物发现的蛋白质-配体复合物机器学习数据集

:earth_americas: 我们的进展：

量子力学：19443个配体，经过筛选和优化
分子动力学：16972个模拟的蛋白质-配体结构，每个10 ns
人工智能：pytorch数据加载器，3个用于MD和QM的基准模型以及结合亲和力预测

:electron: 愿景：

我们是一个药物发现社区项目 :hugs:

实现配体分子的最高可能精度
在合理的时间尺度内表示系统动力学
创新的人工智能模型用于药物发现预测

让我们一起突破100+ ns的MD，30000+蛋白质-配体结构，以及一个全新的药物发现人工智能模型世界。

查看论文！

Alt text

:purple_heart: 社区

想要亲身体验使用人工智能进行药物发现吗？

加入我们的Discord服务器！

查看我们的Hugging Face spaces以运行和可视化适应性模型，并进行QM属性预测。

📌 简介

在这个仓库中，我们展示如何下载和应用Misato数据库进行人工智能建模。您可以访问不同蛋白质-配体结构的计算属性，并在基于Pytorch的数据加载器中使用它们进行训练。我们在仓库中提供了数据集的一个小样本。

您可以从Zenodo免费下载完整的MISATO数据集，使用以下链接：

MD (133 GiB)
QM (0.3 GiB)
电子密度 (6 GiB)
MD重启和拓扑文件 (55 GiB)

wget -O data/MD/h5_files/MD.hdf5 https://zenodo.org/record/7711953/files/MD.hdf5
wget -O data/QM/h5_files/QM.hdf5 https://zenodo.org/record/7711953/files/QM.hdf5

从src/getting_started.ipynb笔记本开始，以：

了解我们数据集的结构以及如何访问每个分子的属性。
加载每个数据集的PyTorch数据加载器。
加载每个数据集的PyTorch lightning数据模块。

🚀 快速开始

我们建议从DockerHub拉取我们的MISATO镜像或创建您自己的镜像（参见docker/）。这些镜像使用cuda版本11.8。我们建议在您自己的系统上安装至少11.8版本的CUDA，以确保驱动程序正常工作。

# 克隆项目
git clone https://github.com/t7morgen/misato-dataset.git
cd misato-dataset

对于singularity，使用：

# 获取容器镜像
singularity pull docker://sab148/misato-dataset
singularity shell misato.sif

对于docker，使用：

sudo docker pull sab148/misato-dataset:latest
bash docker/run_bash_in_container.sh

项目结构

├── data                   <- 项目数据
│   ├──MD 
│   │   ├── h5_files           <- 数据集存储
│   │   └── splits             <- 训练、验证、测试集划分
│   └──QM
│   │   ├── h5_files           <- 数据集存储
│   │   └── splits             <- 训练、验证、测试集划分
│
├── src                    <- 源代码
│   ├── data                    
│   │   ├── components           <- 数据集和转换
│   │   ├── md_datamodule.py     <- MD Lightning数据模块
│   │   ├── qm_datamodule.py     <- QM Lightning数据模块
│   │   │
│   │   └── processing           <- 预处理、推理和转换脚本
│   │      ├──...    
│   ├── getting_started.ipynb     <- 笔记本：如何加载数据并与之交互
│   └── inference.ipynb           <- 笔记本：如何运行推理
│
├── docker                    <- Dockerfile和执行脚本
└── README.md

使用您自己的conda环境进行安装

如果您想使用conda进行自己的安装，请创建一个新的misato环境。

为了安装pytorch geometric，我们建议在conda内使用pip进行安装，并遵循官方安装说明：pytorch-geometric/install

根据您的CUDA版本，安装说明可能会有所不同。我们展示了CUDA 11.8的示例。

conda create --name misato python=3
conda activate misato
conda install -c anaconda pandas pip h5py
pip3 install torch --index-url https://download.pytorch.org/whl/cu118 --no-cache
pip install joblib matplotlib
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.0+cu118.html
pip install pytorch-lightning==1.8.3
pip install torch-geometric
pip install ipykernel==5.5.5 ipywidgets==7.6.3 nglview==2.7.7
conda install -c conda-forge nb_conda_kernels

要运行MD推理，您必须安装ambertools。我们建议在单独的conda环境中安装它。

conda create --name ambertools python=3
conda activate ambertools
conda install -c conda-forge ambertools nb_conda_kernels
pip install h5py jupyter ipykernel==5.5.5 ipywidgets==7.6.3 nglview==2.7.7

引用

如果您觉得这项工作有用，请考虑引用这篇文章。

@article{siebenmorgen2024misato,
  title={MISATO: machine learning dataset of protein--ligand complexes for structure-based drug discovery},
  author={Siebenmorgen, Till and Menezes, Filipe and Benassou, Sabrina and Merdivan, Erinc and Didi, Kieran and Mour{\~a}o, Andr{\'e} Santos Dias and Kitel, Rados{\l}aw and Li{\`o}, Pietro and Kesselheim, Stefan and Piraud, Marie and others},
  journal={Nature Computational Science},
  pages={1--12},
  year={2024},
  publisher={Nature Publishing Group US New York}
}