SyntaLinker基于片段的分子生成模型复现具体步骤

源码出处：之前已经写过

首先这个代码有很多bug,需要慢慢修复
解决Importrror:主要原因是代码内部有很多引用模块，遇到这个问题可以用延迟引用，或者重构代码的模块（比较困难哈），我用的第一种，别人已经写好的代码重构会有很多改变，建议不要这么做
复现SyntaLinker:查看readme文件
第一步：创建环境：这里不详细叙述，有环境文件，直接用conda env create -f environment.yml创建,环境名SyntaLinker  避雷提醒：在安装环境时最好看一看自己的服务器配置，如果torch和cuda版本不对应是用不起来的，如果有的包安装不上建议从环境文件中删除，单独安装
第二步：进入环境： conda  activate SyntaLinker
第三步：预处理，对于输入文件进行预处理，bash  preprocess.sh
输出文件在：* saving 0th valid data shard to data/ChEMBL/.valid.0.pt.
第四步：训练，开始模型训练，bash training.sh
-save_checkpoint_steps 1000  -train_steps 10000 ,这两个训练的参数经过了缩小，原来是训练50万步，每1万步保存一次
第五步：为了达到最好的结果，取最后10次的训练模型进行优化，bash average_models.sh
注：第四步和第五步的结果在./checkpoints/ChEMBL中
第六步：测试，为了生成分子用translate.py，其中需要注意：这个文件中有几个参数需要自己定义，
后面定义训练过程的参数-model checkpoints/ChEMBL/ChEMBL_model_average.pt -src data/ChEMBL/tgt-test.txt -output /predictions__ChEMBL_model_average.pt_on_ChEMBL_beam10.txt -batch_size 64 -replace_unk -max_length 200 -beam_size 10 -verbose -n_best 10
在复现过程中可以适当缩小，后面跑通再恢复，-src可以是自己的数据集
python translate.py -model checkpoints/ChEMBL/ChEMBL_model_average.pt -src data/ChEMBL/tgt-test.txt -output /predictions__ChEMBL_model_average.pt_on_ChEMBL_beam10.txt -batch_size 64 -replace_unk -max_length 200 -beam_size 10 -verbose -n_best 10
python translate.py -model checkpoints/ChEMBL/ChEMBL_model_average.pt -src data/ChEMBL/tgt-test.txt -output checkpoints/predictions_beam10.txt -batch_size 2 -replace_unk -max_length 5 -beam_size 5 -verbose -n_best 5
$testing_beam_search.sh这个文件因为一些原因没能运行起来。
第七步：评价，一些指标， bash recovery.sh，用上面的输出文件predictions__ChEMBL_model_average.pt_on_ChEMBL_beam10.txt 作为输入
到此结束

关于数据的一些问题：在代码压缩包中作者并没有给原始数据，因为这项工作他们之前做过了，所以直接给的处理后的数据，如果有需要自己处理原始数据需要去Utils文件家中有两个mmps算法的文件。