推荐开源项目：EvoDiff —— 革命性的蛋白质生成框架

推荐开源项目：EvoDiff —— 革命性的蛋白质生成框架

evodiff Generation of protein sequences and evolutionary alignments via discrete diffusion models 项目地址: https://gitcode.com/gh_mirrors/ev/evodiff

项目介绍

EvoDiff 是一个通用型的扩散框架，专为蛋白质序列空间的可控生成而设计。它结合了进化规模数据和扩散模型的独特条件能力，能够生成高保真、多样化且结构合理的蛋白质。EvoDiff 不仅覆盖了自然序列和功能空间，还能生成结构基础模型无法访问的蛋白质，例如那些具有无序区域的蛋白质。同时，它还能设计功能性结构基序的支架，展示了其序列基础公式的通用性。我们相信，EvoDiff 将扩展蛋白质工程的能力，超越结构-功能范式，迈向可编程的序列优先设计。

EvoDiff 包含两种模型：EvoDiff-Seq 和 EvoDiff-MSA，分别用于序列和多重序列比对（MSA）任务。我们在一系列生成任务中评估了这些模型，展示了它们在可控蛋白质设计中的强大能力。

项目技术分析

EvoDiff 采用了两种主要的扩散过程：

1. 顺序无关自回归扩散（OADM）：在每一步中将一个氨基酸转换为特殊掩码标记，经过 (T=L) 步后，整个序列被掩码。
2. 离散去噪扩散概率模型（D3PM）：通过根据转换矩阵采样突变来破坏序列，经过 (T) 步后，序列变得与均匀采样的氨基酸无法区分。

所有 EvoDiff 序列模型均在 UniRef50 数据集的 42M 序列上训练，使用 CARP 蛋白质掩码语言模型中引入的扩张卷积神经网络架构。我们训练了 38M 参数和 640M 参数的版本，适用于每种前向破坏方案和左到右自回归（LRAR）解码。

为了明确利用进化信息，我们设计了 EvoDiff MSA 模型，使用 MSA Transformer 架构在 OpenFold 数据集上进行训练。我们对 MSA 进行了子采样，长度为每序列 512 残基，深度为 64 序列，通过随机采样或贪婪最大化序列多样性。

项目及技术应用场景

EvoDiff 适用于多种应用场景：

1. 无条件序列生成：无需依赖训练数据集，生成全新的蛋白质序列。
2. 无条件 MSA 生成：利用进化信息，生成完整的 MSA。
3. 进化引导的蛋白质生成：通过 EvoDiff-MSA 模型，生成符合进化规律的蛋白质。
4. 生成固有无序区域：设计具有无序区域的蛋白质，扩展蛋白质功能多样性。
5. 支架功能性基序：为功能性结构基序设计支架，助力复杂蛋白质结构的设计。

项目特点

• 高保真和多样性：生成的蛋白质在序列和结构上均具有高保真度和多样性。
• 结构合理性：生成的蛋白质结构合理，符合自然规律。
• 通用性：能够生成结构基础模型无法访问的蛋白质。
• 进化信息利用：通过 MSA 模型，明确利用进化信息，提升生成效果。
• 易于使用：提供详细的安装和使用指南，支持多种预训练模型。

安装指南

1. 创建一个新的 conda 环境：

   conda create --name evodiff python=3.8.5
   

2. 安装 EvoDiff：

   pip install evodiff
   pip install git+https://github.com/microsoft/evodiff.git # 最新版本
   

3. 安装依赖库：PyTorch、PyTorch Geometric、PyTorch Scatter。

更多详细安装和使用说明，请参考 EvoDiff GitHub 仓库。

结语

EvoDiff 作为一款革命性的蛋白质生成框架，将为蛋白质工程领域带来全新的可能性。无论是学术研究还是工业应用，EvoDiff 都将是你不可或缺的工具。立即尝试 EvoDiff，开启你的蛋白质设计新旅程！

evodiff Generation of protein sequences and evolutionary alignments via discrete diffusion models 项目地址: https://gitcode.com/gh_mirrors/ev/evodiff