efficient evolution 抗体进化模型笔记

使用到的六个esm模型：

python bin/recommend.py
        '--model-names',
        default=[ 'esm1b', 'esm1v1', 'esm1v2', 'esm1v3', 'esm1v4', 'esm1v5', ]

1. 计算概率分布：

   • logits = model.predict_sequence_prob(seq): 通过模型对输入序列 seq 进行预测，得到每个位置上各种氨基酸的对数概率值。
   • probs = scipy.special.softmax(logits, axis=1): 对这些对数概率值进行 softmax 操作，将其转换为概率分布。在这里，probs 是一个概率矩阵，表示每个位置上各种氨基酸的概率。

2. 确定突变：

   • 对于每个位置 i（从第二个位置开始，因为第一个位置通常是起始位置）：
     • 获取该位置的原始氨基酸 wt_j = model.alphabet_.tok_to_idx[seq[pos]] 和其对应的概率 wt_prob = probs[i, wt_j]。
     • 遍历该位置可能的所有氨基酸 j：
       • 排除在 exclude 集合中的氨基酸和特殊标记（如 <）的氨基酸。
       • 如果当前氨基酸不是原始氨基酸 wt_j：
         • 计算当前氨基酸的概率 mt_prob = probs[i, j]。
         • 如果当前氨基酸的概率大于阈值 alpha * wt_prob，则将该突变记录为 (位置, 原始氨基酸, 突变后的氨基酸)。

3. 返回突变列表：

   • 将满足条件的突变记录在 mutations 列表中，并最终返回该列表。

代码中的 reconstruct_multi_models 函数的作用是针对给定的野生型序列 wt_seq，通过不同的模型（例如：'esm1b', 'esm1v1', 'esm1v2' 等）进行重构，并比较每个模型生成的突变。具体流程如下：

1. 对于每个模型名称 model_name：

   • 获取相应的模型 model = get_model_name(model_name)。
   • 如果 alpha 为 None，则使用 reconstruct 函数对野生型序列进行重构，得到 wt_new，并计算与原始序列的差异 mutations_model = diff(wt_seq, wt_new)。
   • 如果 alpha 不为 None，则使用 soft_reconstruct 函数进行软重构，得到 mutations_model。
   • 对于每个突变 mutation 在 mutations_model 中：
     • 如果 mutation 不在 mutations_models 中，则将其添加，并初始化计数为 0。
     • 增加该突变的计数，并将该模型的名称添加到 mutations_model_names 中。

2. 如果 return_names 为 True，则返回包含突变计数和模型名称的元组 (mutations_models, mutations_model_names)；否则，仅返回突变计数 mutations_models。

此外，还包含了使用 eval_sapiens函数  评价人源相似度