《ProteinGAN项目安装与配置指南》

《ProteinGAN项目安装与配置指南》

ProteinGAN 项目地址: https://gitcode.com/gh_mirrors/pr/ProteinGAN

1. 项目基础介绍

ProteinGAN是一个开源项目，旨在利用生成对抗网络（GAN）生成新型蛋白质序列。本项目通过学习自然蛋白质序列的多样性，创建新的、高度多样化的序列变体，具有类似自然的物理属性。这对于蛋白质工程领域具有重要意义，有可能加速催化任意所需化学反应的新蛋白质的设计。

项目的主要编程语言为Python。

2. 项目使用的关键技术和框架

本项目使用的关键技术是生成对抗网络（GAN），这是一种深度学习模型，由一个生成器和一个判别器组成。生成器生成新的数据实例，而判别器则试图区分真实数据和生成器产生的数据。通过这种对抗性训练，生成器能够生成越来越真实的数据。

项目使用的框架包括：

• TensorFlow：一个用于机器学习的开源软件库。
• Keras：TensorFlow的高级接口，用于快速构建和迭代深度学习模型。

3. 项目安装和配置的准备工作及详细步骤

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Linux。
• Python版本：3.7（64位）。
• 安装了blastp工具，版本至少为2.6.0。
• 安装了TensorFlow，版本为1.13.1或更新版本，且支持GPU。
• 至少一块NVIDIA P100 GPU，推荐16GB显存。
• 安装了NVIDIA驱动程序，版本至少为418.87，CUDA工具包版本为10.1或更高，cuDNN版本为7.6.2或更高。

安装步骤

1. 克隆项目仓库到本地环境：

   git clone https://github.com/Biomatter-Designs/ProteinGAN.git
   cd ProteinGAN
   

2. 创建虚拟环境并安装依赖：

   conda env create --file environment.yml
   

3. 根据项目要求准备训练数据。项目需要以下文件：

   • properties.json：包含序列最大长度和酶类信息。
   • db_train.phr、db_train.pin、db_train.psq：使用训练序列运行makeblastdb脚本的输出文件，用于训练过程中评估网络。
   • db_val.phr、db_val.pin、db_val.psq：使用验证序列运行makeblastdb脚本的输出文件，同样用于训练过程中评估网络。
   • train/{1}、{2}、{3}.tfrecords：包含训练序列的多个tfrecords文件。

4. 配置训练参数。编辑gan/parameters.py文件，指定数据集和训练配置。

5. 开始训练模型：

   python train_gan.py
   

   训练可能需要几天甚至几周的时间，具体取决于配置。

6. 训练完成后，可以使用generate.py脚本来生成新序列，使用discriminator_scores.py来获取所有提供序列的判别器分数，使用test_gan.py来通过插值研究GAN性能。

遵循以上步骤，您可以顺利安装并配置ProteinGAN项目，开始生成新型蛋白质序列的探索。

ProteinGAN 项目地址: https://gitcode.com/gh_mirrors/pr/ProteinGAN