ConfGF 开源项目使用教程
1. 项目介绍
ConfGF 是一个用于分子构象生成的开源项目,由 DeepGraphLearning 团队开发。该项目在 ICML 2021 上发表,旨在通过学习原子坐标对数密度的梯度场来预测分子的稳定 3D 结构。与传统的机器学习方法不同,ConfGF 直接估计梯度场,从而减少了预测距离带来的误差,提高了 3D 坐标生成的准确性。
2. 项目快速启动
2.1 环境安装
推荐使用 Conda 进行环境安装:
# 克隆项目
git clone https://github.com/DeepGraphLearning/ConfGF.git
cd ConfGF
# 创建并激活环境
conda env create -f env.yml
conda activate confgf
# 安装库
pip install -e .
2.2 生成分子构象
使用以下命令生成分子构象:
python -u script/gen.py --config_path /config/qm9_default.yml --generator ConfGF --smiles c1ccccc1
其中,--smiles c1ccccc1
表示输入的分子为苯(benzene)。
3. 应用案例和最佳实践
3.1 分子构象生成
ConfGF 可以用于生成各种分子的 3D 构象。例如,生成 QM9 数据集中的分子构象:
python -u script/gen.py --config_path /config/qm9_default.yml --generator ConfGF --start 0 --end 200
3.2 结果评估
生成构象后,可以使用以下命令计算 COV 和 MAT 分数:
python -u script/get_task1_results.py --input dir_of_QM9_samples --core 10 --threshold 0.5
4. 典型生态项目
4.1 DeepGraphLearning 其他项目
- GraphVite: 一个用于图嵌入的高效工具包。
- GraphZoom: 一个用于图嵌入的加速方法。
4.2 相关领域项目
- RDKit: 一个用于化学信息学的开源工具包。
- OpenBabel: 一个用于分子操作的开源工具包。
通过这些生态项目,可以进一步扩展 ConfGF 的应用场景,提升分子构象生成的效率和准确性。