SBMolGen | 考虑受体结构的从头药物生成工具

项目源头： https://github.com/clinfo/SBMolGen
下文用到的安装包关注grosetta公众号，后台回复“sbmolgen”全部获得。

1.环境安装

#创建一个新的python3.7环境
conda create -n sbmolgen python=3.7
conda activate sbmolgen

pip install keras==2.0.5
pip install tensorflow==1.15.2
conda install rdkit

另外还需按照常规方式安装rDock,安装过程查看往期内容。

#配置环境变量：
export SBMolGen_PATH=/Path to SBMolGen/SBMolGen
export PATH=${SBMolGen_PATH}:${PATH}
export RBT_ROOT=/Path to rDock 
export LD_LIBRARY_PATH=${RBT_ROOT}/lib:${LD_LIBRARY_PATH}

2.使用

2.1 模型训练

cd ${SBMolGen_PATH}/train_RNN
python train_RNN.py train_RNN.yaml

文件train_RNN.yaml中包含RNN模型训练参数。自己根据需求调整

2.2 分子生成

cd ${SBMolGen_PATH}/example_ligand_design
python ${SBMolGen_PATH}/sbmolgen.py setting.yaml

• 切记${SBMolGen_PATH}/example_ligand_design路径下的cavity.as cavity.prm文件不可删除，它们包含了受体中活性空腔位置信息。
• receptor.mol2为受体文件，也不能删除。
• setting.yaml设定生成分子的参数（如生成时间，受体所在路径等）

3.运行过程可能遇到的报错

3.1 Keras相关

TypeError: Descriptors cannot not be created directly.If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.If you cannot immediately regenerate your protos, some other possible workarounds are:

1. Downgrade the protobuf package to 3.20.x or lower.
2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).

解决措施

pip install protobuf~=3.19.0

3.2 yaml相关

TypeError: load() missing 1 required positional argument: ‘Loader‘

解决措施：

pip uninstall pyyaml   #卸载当前高版本pyyaml
#下载并解压低版本pyyaml安装包（关注grosetta公众号，后台回复"sbmolgen"获取安装包）
tar -zvxf pyyaml-3.12.tar.gz
cd pyyaml-3.12
python setup.py install