OpenBioMed 开源项目使用教程

1. 项目介绍

OpenBioMed 是一个用于 AI 赋能生物医学的 Python 深度学习工具包。它提供了对多模态生物医学数据的便捷访问，包括分子结构、转录组学、知识图谱和生物医学文本数据。OpenBioMed 支持广泛的下游应用，从传统的 AI 药物发现任务到新兴的多模态挑战。

OpenBioMed 的主要特点包括：

• 统一数据处理管道：轻松加载和转换来自不同生物医学实体和模态的异构数据为统一格式。
• 现成的推理：公开可用的预训练模型和推理演示，可轻松转移到您自己的数据或任务。
• 可复现的模型库：灵活地在现有和新应用上复制和扩展最先进的模型。

2. 项目快速启动

环境搭建

首先，创建并激活一个 conda 环境：

conda create -n OpenBioMed python=3.9
conda activate OpenBioMed

安装所需的包：

pip install -r requirements.txt

安装 PyG 依赖项：

pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-$(TORCH_VERSION)+$(CUDA_VERSION).html
pip install torch-geometric

快速启动示例

以下是一个使用 OpenBioMed 进行分子性质预测的快速启动示例：

from openbiomed import MoleculePropertyPrediction

# 加载数据集
dataset = MoleculePropertyPrediction.load_dataset('MoleculeNet')

# 训练模型
model = MoleculePropertyPrediction.train(dataset)

# 测试模型
results = MoleculePropertyPrediction.test(model, dataset)
print(results)

3. 应用案例和最佳实践

案例1：分子描述生成

使用 MolFM 模型生成分子的描述文本：

from openbiomed import MoleculeCaptioning

# 加载数据集
dataset = MoleculeCaptioning.load_dataset('ChEBI-20')

# 使用 MolFM 生成描述
descriptions = MoleculeCaptioning.generate_captions(dataset, model='MolFM')
print(descriptions)

案例2：细胞类型分类

使用 CellLM 模型对细胞类型进行分类：

from openbiomed import CellTypeClassification

# 加载数据集
dataset = CellTypeClassification.load_dataset('Zheng68k')

# 训练 CellLM 模型
model = CellTypeClassification.train(dataset)

# 测试模型
results = CellTypeClassification.test(model, dataset)
print(results)

4. 典型生态项目

BioMedGPT

BioMedGPT 是一个商业友好的多模态生物医学基础模型，由 PharMolix 和 AI 产业研究院联合发布。它将生命语言（分子结构和蛋白质序列）与人类自然语言对齐，在生物医学 QA 基准上表现与人类专家相当，并在跨模态分子和蛋白质问答任务中展示了强大的性能。

MolFM

MolFM 是一个多模态分子基础模型，支持对分子结构、生物医学文本和知识图谱的联合理解。在跨模态检索任务中，MolFM 在零样本和微调场景下分别比现有模型提升了 12.03% 和 5.04%。

CellLM

CellLM 是首个使用分支对比学习策略在正常细胞和癌症细胞数据上同时训练的大规模细胞表示学习模型。它在细胞类型注释、少样本场景下的单细胞药物敏感性预测和单组学细胞系药物敏感性预测上均优于 ScBERT。