https://github.com/Zora-LM/HGAN-DTI该项目各个模块的作用有没有预测的结果
时间: 2023-12-23 19:02:31 浏览: 43
这个项目是基于深度学习的药物靶标预测模型,主要分为以下几个模块:
1. 数据预处理模块:用于对已有的化合物-靶标互作数据进行预处理,包括化合物的分子描述符计算、靶标序列的编码、训练集和测试集的划分等。
2. 靶标嵌入模块:用于将靶标序列进行编码,提取其特征表示,常用的方法包括基于物化学属性的编码和基于自然语言处理的编码等。
3. 化合物嵌入模块:用于将化合物的分子描述符进行编码,提取其特征表示,常用的方法包括基于分子结构的编码和基于分子指纹的编码等。
4. 对抗生成网络模块:用于生成化合物-靶标互作的假样本,增加训练集大小,提高预测模型的泛化能力。
5. 预测模型模块:用于构建药物靶标预测模型,常用的方法包括基于神经网络的模型和基于图神经网络的模型等。
根据代码,该项目的预测结果包括模型的性能指标(如准确率和AUC值等)以及预测的化合物-靶标互作情况。具体的结果可以在代码中查看。
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-DTI
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。