OpenBioMed 开源项目教程

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。OpenBioMed 支持多种下游应用，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：

• 统一的数据处理管道：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。
• 开箱即用的推理：提供公开的预训练模型和推理演示，可直接应用于您的数据或任务。
• 可复现的模型库：灵活复制和扩展现有和新应用中的最先进模型。

2. 项目快速启动

安装

首先，创建一个 conda 环境并激活它：

conda create -n OpenBioMed python=3.9
conda activate OpenBioMed

然后，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-(your_torch_version)+(your_cuda_version).html
pip install torch-geometric

快速启动示例

以下是一个使用 OpenBioMed 进行分子属性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(dataset)
model.train()

# 测试模型
model.test()

3. 应用案例和最佳实践

案例1：使用 BioMedGPT-10B 进行分子和蛋白质问答

BioMedGPT-10B 是一个商业友好的多模态生物医学基础模型，能够在生物医学 QA 基准上与人类专家表现相当，并在跨模态分子和蛋白质问答任务中表现出色。

from openbiomed import BioMedGPT10B

# 初始化模型
model = BioMedGPT10B()

# 提问
question = "什么是蛋白质折叠？"
answer = model.ask(question)

print(answer)

案例2：使用 MolFM 进行跨模态检索

MolFM 是一个多模态分子基础模型，能够在跨模态检索任务中表现出色。

from openbiomed import MolFM

# 初始化模型
model = MolFM()

# 检索相关文本描述
molecule_id = "ChEBI-20"
related_texts = model.retrieve(molecule_id)

print(related_texts)

4. 典型生态项目

1. BioMedGPT-10B

BioMedGPT-10B 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 基准上表现出色。

2. MolFM

MolFM 是一个多模态分子基础模型，能够联合理解分子结构、生物医学文档和知识图谱。在跨模态检索任务中，MolFM 在零样本和微调设置下均优于现有模型。

3. CellLM

CellLM 是第一个大规模细胞表示学习模型，训练于正常细胞和癌细胞，采用分而治之的对比学习方法。CellLM 在细胞类型注释、少样本单细胞药物敏感性预测和单组学细胞系药物敏感性预测任务中表现出色。