https://github.com/Zora-LM/HGAN-DTI
时间: 2023-10-04 08:12:03 浏览: 99
这是一个基于深度学习的药物-靶点互作预测模型,使用了HGAN(Hierarchical Generative Adversarial Network)算法来生成化合物的分子描述符,并使用这些描述符来预测药物与靶点之间的相互作用。该模型的训练数据来自于公开的药物-靶点互作数据库,通过交叉验证和对比实验证明了其在预测准确性和泛化能力方面的优越性。
相关问题
如何调用https://github.com/Zora-LM/HGAN-DTI这个模型
这个模型是一个基于PyTorch的深度学习模型,用于预测药物与蛋白质之间的相互作用。如果你想使用该模型进行预测,需要按照以下步骤进行:
1. 首先,你需要下载该模型的代码和训练好的权重文件。可以通过以下命令从GitHub上进行下载:
```
git clone https://github.com/Zora-LM/HGAN-DTI.git
```
2. 接下来,你需要安装该模型的依赖项。可以通过以下命令进行安装:
```
pip install -r requirements.txt
```
3. 下载训练好的权重文件。你可以从该项目的release页面中下载预训练的权重文件,并将其保存到`./saved_models/`目录下。
4. 使用该模型进行预测。你可以使用`predict.py`文件进行预测。运行以下命令:
```
python predict.py --drug SMILES --target FASTA --model_name MODEL_NAME
```
其中,`--drug`参数指定药物的SMILES表示,`--target`参数指定蛋白质的FASTA表示,`--model_name`参数指定使用的模型。例如,如果你想使用预训练的`HGAN-DTI`模型进行预测,可以运行以下命令:
```
python predict.py --drug 'CC1=C(C=CC=C1)C(=O)NC2=CC=CC=C2' --target 'MGLSDGEWQLVLHVWAKVEADVAGHGQDILIRLFKSHPETLEKFDRVKHLKTEAEMKASEDLKKHGVTVLTALGAILKKKGHHEAEIKPLAQSHATKHKIPVKYLEFISEAIIHVLHSRHPGDFGADAQGAMNKALELFRKDMASNYKELGFQG' --model_name HGAN-DTI
```
注意,该模型的输入需要是药物的SMILES表示和蛋白质的FASTA表示。如果你没有这些表示,你需要先将药物和蛋白质转换为相应的表示。
https://github.com/Zora-LM/HGAN-DTI6如何应用
这个项目是一个基于生成对抗网络 (GAN) 的药物-靶点互作预测模型。如果你想要使用该项目,你需要按照以下步骤进行操作:
1. 准备数据:该项目需要药物和靶点的特征向量作为输入。你需要准备药物和靶点的特征向量数据集,或者自行提取药物和靶点的特征。
2. 安装依赖:你需要安装 PyTorch 和其他所需的 Python 库以运行该模型。可以通过以下命令安装:
```
pip install torch torchvision numpy pandas matplotlib seaborn scikit-learn
```
3. 训练模型:你可以使用提供的训练脚本来训练模型。在命令行中运行以下命令:
```
python train.py --data_path /path/to/data --save_path /path/to/save/model
```
其中,`--data_path` 是你准备的数据集路径,`--save_path` 是保存训练好的模型的路径。
4. 预测:你可以使用提供的预测脚本来生成预测结果。在命令行中运行以下命令:
```
python predict.py --model_path /path/to/saved/model --drug_path /path/to/drug/feature --target_path /path/to/target/feature --out_path /path/to/prediction/result
```
其中,`--model_path` 是你保存的训练好的模型路径,`--drug_path` 和 `--target_path` 是你准备的药物和靶点特征向量路径,`--out_path` 是你希望将预测结果保存的路径。
这些步骤应该可以帮助你开始使用该项目。注意,这只是一个基本的使用说明,具体的细节可能需要根据你的实际情况进行调整。