ProTrek 使用与启动教程
2025-04-18 22:33:15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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-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~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0315- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (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
868
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

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
272
311

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
398
373

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3