DynamicBind
repo for DynamicBind: Predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model
파일 탐색기
최종 버전 다운로드 (.zip)- confidence_train.py
- dataset.py
- 1opj_STI_A.sdf
- 1opl_P16_A.sdf
- 1opl_P16_A_aligned_to_P00519.pdb
- 1qg8_cleaned.pdb
- 1qg8_input.csv
- af2_1opj_STI_A_aligned.pdb
- cleaned_input_proteinFile.pdb
- cmet_need_relax.csv
- compare_screening_3gnw.csv
- compare_screening_3nw9.csv
- gpcr.csv
- ligandFile_with_protein_path.csv
- origin-1qg8.pdb
- SETD2.csv
- test_imatinib.csv
- __init__.py
- conformer_matching.py
- esm_embedding_preparation.py
- esm_embeddings_to_pt.py
- pdbbind.py
- pdbbind_bk.py
- pdbbind_lm_embedding_preparation.py
- process_mols.py
- __init__.py
- features.py
- gvp_encoder.py
- gvp_modules.py
- gvp_transformer.py
- gvp_transformer_encoder.py
- gvp_utils.py
- multichain_util.py
- transformer_decoder.py
- transformer_layer.py
- util.py
- esm1.py
- esm2.py
- msa_transformer.py
- __init__.py
- axial_attention.py
- constants.py
- data.py
- modules.py
- multihead_attention.py
- pretrained.py
- rotary_embedding.py
- version.py
- 1a3a_1_A.a3m
- 1xcr_1_A.a3m
- 5ahw_1_A.a3m
- few_proteins.fasta
- hhblits_uniclust_2017_10_1a3a_1_A.a3m
- hhblits_uniclust_2017_10_1xcr_1_A.a3m
- hhblits_uniclust_2017_10_5ahw_1_A.a3m
- P62593.fasta
- some_proteins.fasta
- UniRef50_E9K9Y4.a3m
- UniRef50_UPI0003108055.a3m
- UniRef50_UPI0003674933.a3m
- illustration.png
- notebook.ipynb
- notebook_multichain.ipynb
- README.md
- sample_sequences.py
- score_log_likelihoods.py
- __init__.py
- mutation_data.bib
- predict.py
- README.md
- contact_prediction.ipynb
- esm2_infer_fairscale_fsdp_cpu_offloading.py
- esm_structural_dataset.ipynb
- README.md
- sup_variant_prediction.ipynb
- README.md
- artificial_sequence_purge_ids.txt
- data.csv
- README.md
- uniref90_jackhmmer_purge_ids.txt
- download_weights.sh
- esmfold_inference.py
- extract.py
- inverse_folding_test_example.json
- test_alphabet.py
- test_inverse_folding.py
- test_load_all.py
- test_notebooks.py
- test_readme.py
- CODE_OF_CONDUCT.rst
- CONTRIBUTING.md
- environment.yml
- hubconf.py
- LICENSE
- pyproject.toml
- README.md
- setup.py
- all_atom_score_model.py
- score_model.py
- score_model_bk.py
- affine.py
- clash.py
- diffusion_utils.py
- geometry.py
- parsing.py
- relax.py
- sampling.py
- so3.py
- torsion.py
- torus.py
- training.py
- training_bk.py
- utils.py
- visualise.py
- .gitignore
- analysis.py
- check_structure_violations.py
- clean_pdb.py
- compute_lddt.py
- dynbind.gif
- dynbind.mpg
- environment-minimal.yml
- environment.yml
- helper_functions.py
- inference.py
- LICENSE
- merge_screening_results.py
- movie_generation.py
- movie_reduced_fuzzed_v2.gif
- oryx-build-commands.txt
- README.md
- relax_final.py
- relax_vis.py
- remove_gap.py
- run_single_protein_inference.py
- save_reverseprocess.py
- scoring.py
- screening.py
- SETUP_MINIMAL.md
- train.py
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/luwei0917/DynamicBind
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd DynamicBind
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. 공식 설치 스크립트
쉬움 추천사전 준비물
- Python 3 pip 명령어를 쓰려면 Python이 필요합니다.
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.0+cu117.html
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install e3nn fair-esm spyrmsd
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
설치 후 새 터미널을 열고, 프로그램의 버전 확인 명령(예: --version)으로 정상 설치됐는지 확인하세요.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
3. Python
쉬움사전 준비물
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.0+cu117.html
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install e3nn fair-esm spyrmsd
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
// repository documentation
Was this content helpful?
(0 ratings)