ProTrek 使用与启动教程
2025-04-18 16:18:43作者:董宙帆
1. 项目介绍
ProTrek 是一个基于对比学习的三模态蛋白质语言模型,它联合建模蛋白质序列、结构和功能(SSF)。通过三种核心对齐策略:使用结构作为氨基酸序列的监督信号,反之亦然;序列与功能之间的相互监督;结构与方法之间的相互监督,ProTrek 能够在潜在空间中紧密关联 SSF,将真实样本对(序列-结构、序列-功能、结构-功能)更接近地聚集在一起,同时将负样本推得更远。
ProTrek 在序列-功能检索和功能-序列检索上取得了超过 30 倍和 60 倍的改进,比 Foldseek 和 MMseqs2 在蛋白质-蛋白质搜索中快 100 倍,并在 11 个下游预测任务中的 9 个任务上超过了 ESM-2。
2. 项目快速启动
环境安装
首先,创建一个虚拟环境:
conda create -n protrek python=3.10 --yes
conda activate protrek
然后,克隆仓库并安装所需的包:
bash environment.sh
下载模型权重
ProTrek 提供了不同大小(35M 和 650M)的预训练模型。以下是下载预训练模型权重的示例:
huggingface-cli download westlake-repl/ProTrek_650M_UniRef50 \
--repo-type model \
--local-dir weights/ProTrek_650M_UniRef50
注意:如果您无法访问 huggingface 网站,可以通过设置环境变量 export HF_ENDPOINT=https://hf-mirror.com
来尝试连接镜像站点。
下载 Foldseek 二进制文件
为了正确运行示例并在本地部署您的演示,请首先从提供的链接下载 Foldseek 二进制文件,并将其放入 bin
文件夹中。然后为二进制文件添加执行权限:
chmod +x bin/foldseek
获取嵌入和计算相似度分数
以下是一个如何使用预训练的 ProTrek 模型获取嵌入和计算相似度分数的示例:
import torch
from model.ProTrek.protrek_trimodal_model import ProTrekTrimodalModel
from utils.foldseek_util import get_struc_seq
# 加载模型
config = {
"protein_config": "weights/ProTrek_650M_UniRef50/esm2_t33_650M_UR50D",
"text_config": "weights/ProTrek_650M_UniRef50/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext",
"structure_config": "weights/ProTrek_650M_UniRef50/foldseek_t30_150M",
"load_protein_pretrained": False,
"load_text_pretrained": False,
"from_checkpoint": "weights/ProTrek_650M_UniRef50/ProTrek_650M_UniRef50.pt"
}
device = "cuda"
model = ProTrekTrimodalModel(**config).eval().to(device)
# 加载蛋白质和文本
pdb_path = "example/8ac8.cif"
seqs = get_struc_seq("bin/foldseek", pdb_path, ["A"])["A"]
aa_seq = seqs[0]
foldseek_seq = seqs[1].lower()
text = "复制起始子在单体形式下,以及在二聚体形式下为自抑制因子。"
with torch.no_grad():
# 获取蛋白质序列嵌入
seq_embedding = model.get_protein_repr([aa_seq])
print("蛋白质序列嵌入形状:", seq_embedding.shape)
# 获取蛋白质结构嵌入
struc_embedding = model.get_structure_repr([foldseek_seq])
print("蛋白质结构嵌入形状:", struc_embedding.shape)
# 获取文本嵌入
text_embedding = model.get_text_repr([text])
print("文本嵌入形状:", text_embedding.shape)
# 计算蛋白质序列与结构之间的相似度分数
seq_struc_score = seq_embedding @ struc_embedding.T / model.temperature
print("蛋白质序列与结构之间的相似度分数:", seq_struc_score.item())
# 计算蛋白质序列与文本之间的相似度分数
seq_text_score = seq_embedding @ text_embedding.T / model.temperature
print("蛋白质序列与文本之间的相似度分数:", seq_text_score.item())
# 计算蛋白质结构与文本之间的相似度分数
struc_text_score = struc_embedding @ text_embedding.T / model.temperature
print("蛋白质结构与文本之间的相似度分数:", struc_text_score.item())
3. 应用案例和最佳实践
- 蛋白质序列分析:使用 ProTrek 对蛋白质序列进行嵌入,以便于后续的功能预测和结构分析。
- 蛋白质结构预测:结合序列和文本信息,ProTrek 可以提高蛋白质结构的预测准确性。
- 生物信息学应用:ProTrek 可以被整合到生物信息学工作流程中,用于加速药物发现和疾病研究。
4. 典型生态项目
ProTrek 的应用可以拓展到多个领域,包括但不限于:
- 药物设计:辅助研究人员在药物设计过程中理解蛋白质的功能和结构。
- 疾病标志物发现:通过分析蛋白质序列和结构,有助于发现疾病的生物标志物。
- 基因组学研究:在基因组学研究中,ProTrek 可用于预测基因的功能和蛋白质的结构。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0277community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
941
555

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
509
44

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.32 K

React Native鸿蒙化仓库
C++
194
279