分子生成工具 TargetDiff 评测

这篇具有很好参考价值的文章主要介绍了分子生成工具 TargetDiff 评测。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

TargetDiff是来源于ICLR2023文章:3D Equivariant Diffusion for Target-Aware Molecule Generation and Affinity Prediction。该文章基于 SE(3)-equivariant network,开发了非自回归的,具有旋转和平移不变性的,口袋为条件的分子扩散生成模型TargetDiff。文章链接:https://openreview.net/pdf?id=kJqXEPXMsE0

分子生成工具 TargetDiff 评测

分子生成工具 TargetDiff 评测

文章指出,与liGAN, AR, Pocket2Mol三种3D分子生成模型相比,TargetDiff的原子间距离分布更为合理,生成分子的中心与真实分子的RMSD更为接近,但是在成环上,会出现比例较高的七元环。

分子生成工具 TargetDiff 评测

更为有趣的是,文章指出,TargetDiff生成的分子具有更好的对接Vina能量值,如下图:

分子生成工具 TargetDiff 评测

分子生成工具 TargetDiff 评测

项目环境

复制项目代码:

git clone https://github.com/guanjq/targetdiff.git

环境安装

conda create -n TargetDiff python=3.8
conda activate TargetDiff
#cuda 11.3, pytroch 版本大于1.9.0,PYG>2.0
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch 
conda install pyg -c pyg

conda install rdkit openbabel tensorboard pyyaml easydict python-lmdb -c conda-forge
# For Vina Docking
pip install meeko==0.1.dev3 scipy pdb2pqr vina==1.2.2 
python -m pip install git+https://github.com/Valdes-Tresanco-MS/AutoDockTools_py3

由于numpy版本的原因,需要更新一下:

pip install numpy==1.23.0

torch-cluster也要安装一下:

pip install torch-cluster

生成分子

python scripts/sample_for_pocket.py configs/sampling.yml --pdb_path examples/1h36_A_rec_1h36_r88_lig_tt_docked_0_pocket10.pdb

configs/sampling.yml是生成分子的配置文件,制定了采样所使用的预训练模型,采样分子的数量为10, 采样步数为1000,具体内容如下:

model:
  checkpoint: ./pretrained_models/pretrained_diffusion.pt

sample:
  seed: 2021
  num_samples: 10
  num_steps: 1000
  pos_only: False
  center_pos_mode: protein
  sample_num_atoms: prior

分子生成工具 TargetDiff 评测

 运行结束后,会生成./out_pdbs文件夹生成每一个分子的sdf文件。里面有一些分子特别奇怪,比如三个并环等。如下:

分子生成工具 TargetDiff 评测

我们使用了靶点X的口袋,进行测试,口袋结构如下(口袋结构狭长,口袋范围10A):

分子生成工具 TargetDiff 评测

 使用上述方法,生成了10个分子,经过ligpre, docking以后,得到了5个不重复且有效的分子,对接分数和MMGBSA结合能分别如下图:

分子生成工具 TargetDiff 评测

 其中有一个分子的docking score < -7,且MMGBSA dG Bind < -70;从生成分子能结合在口袋的角度来说,结果还是比较有效的。

训练TargrtDiff模型

python scripts/train_diffusion.py configs/training.yml

输出过程如下:

分子生成工具 TargetDiff 评测

在训练过程中,会生成logs_diffusion文件夹,记录训练过程,模型的临时文件保存在:logs_diffusion/training_2023_06_15__05_58_43/checkpoints。文章来源地址https://www.toymoban.com/news/detail-476651.html

到了这里,关于分子生成工具 TargetDiff 评测的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 基于子口袋的分子生成

    生成与靶蛋白具有高结合亲和力的分子(也称为基于结构的药物设计,structure-based drug design)是药物发现中的一项基本且具有挑战性的任务。最近,深度生成模型在生成以蛋白质口袋为条件的3D分子方面取得了显著成功。然而,大多数现有的方法独立地考虑蛋白质口袋的分子

    2024年02月13日
    浏览(42)
  • Rdkit|分子3D构象生成与优化

    github; 地址 RDKit是一款非常强大的分子信息学工具包,其中包含了分子3D构象生成与优化的功能。通过RDKit,您可以将一个分子的2D结构转化为3D结构,并进行能量最小化优化,得到最稳定的构象。 基于距离(distance-based) 基于知识(knowledge-based) 下面是基本代码逻辑 传统的距

    2024年02月13日
    浏览(41)
  • 机器学习开源分子生成系列(1)-DeepFrag的本地部署及使用

    欢迎浏览我的CSND博客! Blockbuater_drug …进入 本文提供了开源程序DeepFrag的在本地conda版本的部署及使用方法,满足用户避免数据上传到web app使用。 github代码:https://github.com/durrantlab/deepfrag 介绍文章:https://doi.org/10.1021/acs.jcim.1c00103 web app:http://durrantlab.com/deepfrag DeepFrag是一个

    2024年04月12日
    浏览(43)
  • Stable Diffusion架构的3D分子生成模型 GeoLDM - 测评与代码解析

    之前,向大家介绍过3D分子生成模型 GeoLDM。 GeoLDM按照Stable Diffusion架构,将3D分子生成的扩散过程运行在隐空间内,优化了基于扩散模型的分子生成。可能是打开Drug-AIGC的关键之作。让精确控制分子生成有了希望。 详见:分子生成领域的stable diffusion - GEOLDM-CSDN博客) 作者提供

    2024年02月03日
    浏览(46)
  • WormGPT – 网络犯罪分子用来犯罪的人工智能工具

    什么是蠕虫GPT(WormGPT) WormGPT是基于EleutherAI于2021年创建的大型语言模型GPT-J的AI模型。它具有无限的字符支持、聊天记忆保留和代码格式化功能。 如果未部署适当的安全措施和过滤器,它会带来许多危险和后果。其目的是针对任何互联网领域的黑客行为产生有害和恶意的响应

    2024年02月15日
    浏览(50)
  • 新的网络钓鱼即服务平台让网络犯罪分子生成令人信服的网络钓鱼页面

    至少从2022年中期开始,网络犯罪分子就利用一个名为“伟大”的新型网络钓鱼即服务(PhaaS或PaaS)平台来攻击微软365云服务的企业用户,有效地降低了网络钓鱼攻击的门槛。 思科Talos研究员蒂亚戈·佩雷拉表示:“目前,Greatness只专注于微软365钓鱼页面,为其附属公司提供附件和

    2024年02月05日
    浏览(44)
  • 【Python百宝箱】模拟未见之境:精准工具畅游分子动力学风景

    前言 在当今科学研究中,分子动力学模拟成为解析原子和分子行为的关键工具之一。本文将深入探讨几种领先的分子动力学模拟工具,包括MDTraj、ASE(原子模拟环境)、OpenMM和CHARMM。这些工具不仅提供了高效的模拟引擎,而且支持丰富的分析和可视化工具,满足了不同研究领

    2024年01月16日
    浏览(45)
  • 分享一个比对图片是否一致的小工具(来源: github)

    运行效果图:  官网:  GitHub - codingfishman/image-diff: 一个方便的图片对比工具 一个方便的图片对比工具. Contribute to codingfishman/image-diff development by creating an account on GitHub. https://github.com/codingfishman/image-diff 优缺点: 1.采用比对各色块是否一致是该工具的核心,会出现因角度/光线不同而

    2024年02月04日
    浏览(57)
  • 比最优技术快 8 倍:浙大侯廷军等人提出 ResGen,基于蛋白质口袋的 3D 分子生成模型

    作者:彬彬 编辑:李宝珠,三羊 浙江大学与之江实验室研究团队提出了一种基于蛋白质口袋 (protein pocket) 的 3D 分子生成模型——ResGen,与以往最优技术相比,速度提升 8 倍,成功地生成了具有更低结合能和更高多样性的类药物分子。 过去,创新药物的发现往往依赖于古早配

    2024年01月22日
    浏览(47)
  • 一个含不少免费额度和数据下载的IP地址来源查询工具

    大家好,我是TJ君! 如今在国内运营的各种互联网应用都有接入IP来源显示的要求,现在相关API的供应商也很多。今天TJ刚好看到一个不错的,所以马上给大家推荐一下。 这款不错的产品名称为: IPInfo 该IP查询工具除了传统的提供地址位置之外,还有很多其他能力,具体的这

    2024年02月08日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包