DiffLinker 开源项目教程

项目介绍

DiffLinker 是一个用于分子连接器设计的等变3D条件扩散模型。该项目由Ilia Igashov、Hannes Stärk、Clément Vignac等人开发，旨在通过填补3D空间中的缺失原子来设计包含多个初始片段的分子。DiffLinker 能够连接任意数量的片段，无需关于连接原子和连接器大小的信息，并且可以基于蛋白质口袋进行条件化设计。

项目快速启动

环境准备

首先，确保您的环境满足以下要求：

• Python 3.10.5
• CUDA 10.2.89
• PyTorch 1.11.0
• PyTorch Lightning

下载模型

创建目录并下载必要的模型文件：

mkdir -p models
wget https://zenodo.org/record/7121300/files/geom_difflinker.ckpt -O models/geom_difflinker.ckpt
wget https://zenodo.org/record/7121300/files/geom_size_gnn.ckpt -O models/geom_size_gnn.ckpt

生成连接器

使用以下命令生成连接器：

python -W ignore generate.py --fragments <YOUR_PATH> --model models/geom_difflinker.ckpt --linker_size models/geom_size_gnn.ckpt

应用案例和最佳实践

案例1：无蛋白质口袋的连接器设计

假设您有一组分子片段，您可以使用DiffLinker生成连接这些片段的连接器。以下是一个示例命令：

python -W ignore generate.py --fragments path/to/your/fragments --model models/geom_difflinker.ckpt --linker_size models/geom_size_gnn.ckpt

案例2：基于蛋白质口袋的连接器设计

如果您有目标蛋白质的完整原子表示，DiffLinker可以自动计算基于输入的口袋并生成连接器。以下是一个示例命令：

python -W ignore generate.py --fragments path/to/your/fragments --model models/geom_difflinker.ckpt --linker_size models/geom_size_gnn.ckpt --protein path/to/your/protein

典型生态项目

1. PyTorch

PyTorch 是一个开源的机器学习库，广泛用于深度学习研究和应用。DiffLinker 使用PyTorch作为其深度学习框架。

2. PyTorch Lightning

PyTorch Lightning 是一个轻量级的PyTorch包装器，用于组织和简化深度学习代码。DiffLinker 使用PyTorch Lightning来管理训练和验证过程。

3. Zenodo

Zenodo 是一个用于存储和共享研究成果的开放存储库。DiffLinker 的模型文件存储在Zenodo上，方便用户下载和使用。

通过结合这些生态项目，DiffLinker 提供了一个强大的工具集，用于分子连接器的设计和研究。