gRNAde: 几何深度学习在3D RNA逆向设计中的应用

gRNAde: 几何深度学习在3D RNA逆向设计中的应用

geometric-rna-design gRNAde: Geometric Deep Learning for RNA Design 项目地址: https://gitcode.com/gh_mirrors/ge/geometric-rna-design

项目介绍

gRNAde是一个用于3D RNA逆向设计的地理深度学习管道，类似于用于蛋白质设计的ProteinMPNN。该项目旨在通过几何图形的特征化和多状态GNN编码器来生成RNA序列，这些编码器对3D旋转平移和构象顺序具有等变性。gRNAde支持单状态和多状态固定骨架序列设计，并通过构象顺序不变的池化和序列设计来实现。

项目快速启动

安装环境

首先，克隆gRNAde仓库并设置Python环境：

# 克隆gRNAde仓库
cd ~ # 更改为你喜欢的下载位置
git clone https://github.com/chaitjo/geometric-rna-design.git
cd geometric-rna-design

# 安装mamba（一个更快的conda）
wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh
bash Miniforge3-Linux-x86_64.sh
source ~/bashrc

# 创建并激活新的环境
mamba create -n rna python=3.10
mamba activate rna

安装依赖

安装PyTorch和PyG：

# 在Nvidia GPU上安装PyTorch（确保硬件的CUDA版本）
mamba install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

# 安装PyTorch Geometric（确保与PyTorch和CUDA版本匹配）
pip install torch_geometric
pip install torch_scatter torch_cluster -f https://data.pyg.org/whl/torch-2.1.2+cu118.html

安装其他必需的依赖项：

# 安装其他Python库
mamba install jupyterlab matplotlib seaborn pandas biopython biotite -c conda-forge
pip install wandb gdown pyyaml ipdb python-dotenv tqdm cpdb-protein torchmetrics einops ml_collections mdanalysis MDAnalysisTests draw_rna arnie

下载和准备数据

下载RhoFold检查点：

cd ~/geometric-rna-design/tools/rhofold/
gdown https://drive.google.com/uc?id=1To2bjbhQLFx1k8hBOW5q1JFq6ut27XEv

应用案例和最佳实践

应用案例

gRNAde可以用于生成RNA序列，这些序列基于一个或多个3D RNA骨架构象。它支持单状态和多状态固定骨架序列设计，适用于RNA结构预测和设计。

最佳实践

1. 数据预处理：确保所有输入的RNA结构数据经过适当的预处理，以符合gRNAde的输入要求。
2. 模型训练：使用提供的配置文件和训练脚本进行模型训练，并根据需要调整超参数。
3. 结果评估：使用评估脚本对模型生成的RNA序列进行评估，确保其符合预期的生物学特性。

典型生态项目

1. ProteinMPNN：用于蛋白质设计的几何深度学习模型，与gRNAde在方法上有相似之处。
2. EternaFold：用于RNA序列到二级结构预测的工具，可以与gRNAde结合使用，进行RNA结构的全面预测。
3. X3DNA：用于RNA二级结构确定的工具，可以用于验证gRNAde生成的RNA序列的二级结构。

通过这些工具和方法的结合，可以构建一个完整的RNA结构预测和设计生态系统，适用于各种生物信息学研究和应用。

geometric-rna-design gRNAde: Geometric Deep Learning for RNA Design 项目地址: https://gitcode.com/gh_mirrors/ge/geometric-rna-design