DeepAffinity 项目使用教程

1. 项目目录结构及介绍

DeepAffinity 项目的目录结构如下：

DeepAffinity/
├── Joint_models/
├── Separate_models/
├── baseline_models/
├── data/
├── data_DeepRelations/
├── seq2seq_models/
├── .gitignore
├── DeepAffinity_Manual.pdf
├── DeepAffinity_inference.sh
├── LICENSE
├── README.md
├── environment.yml
├── main_fig.png

目录介绍

• Joint_models/: 包含联合模型，包括单独的注意力机制、边缘化的注意力机制、联合注意力机制以及图卷积神经网络（GCNN）与单独注意力机制的结合。
• Separate_models/: 包含从序列到序列模型编码器部分生成的特征的深度学习模型。
• baseline_models/: 包含浅层模型，用于Pfam/pubchem特征和从序列到序列模型编码器部分生成的特征。
• data/: 包含监督学习数据集（pIC50、pKi、pEC50 和 pKd）。
• data_DeepRelations/: 包含用于可解释预测化合物-蛋白质亲和力的新数据集，包含4446对化合物和蛋白质，标注了分子间亲和力（pKd/pKi）和残基-原子接触/相互作用。
• seq2seq_models/: 包含自动编码器序列到序列模型及其数据，用于SPS和SMILES表示。
• .gitignore: Git 忽略文件。
• DeepAffinity_Manual.pdf: 项目手册。
• DeepAffinity_inference.sh: 推理脚本。
• LICENSE: 项目许可证。
• README.md: 项目介绍文件。
• environment.yml: 项目环境配置文件。
• main_fig.png: 主要图示文件。

2. 项目启动文件介绍

DeepAffinity_inference.sh

DeepAffinity_inference.sh 是用于运行 DeepAffinity 模型的推理脚本。该脚本用于测试新数据集上的模型性能。

使用步骤

1. 下载基于训练集的检查点文件。
2. 将数据放入 Joint_models/joint_attention/testing/data 目录。
3. 进入 Joint_models/joint_attention/testing/ 目录。
4. 运行 joint-Model-test.py 脚本。

cd Joint_models/joint_attention/testing/
python joint-Model-test.py

3. 项目配置文件介绍

environment.yml

environment.yml 是用于配置项目运行环境的文件。该文件列出了项目所需的依赖库和版本。

使用步骤

1. 创建项目环境：

conda env create -n envname -f environment.yml

2. 激活环境：

conda activate envname

依赖库

• Tensorflow-gpu v1.1
• Python 3.6
• TFLearn v0.3
• Scikit-learn v0.19
• Anaconda 3/5.0.0.1

通过以上步骤，您可以成功配置并启动 DeepAffinity 项目。