/MiniFold

Creating a mini version of Deep Learning for Protein Structure Prediction inspired by DeepMind AlphaFold algorithm

Primary LanguageJupyter NotebookMIT LicenseMIT

MiniFold

Pasos para reproducir el ejemplo

Estos son los siguientes pasos para ejecutar el código localmente o en la nube:

Nota: Como buena práctica, crea un ambiente virtual para poder reproducir el código.

Pasos a seguir:

  1. Clonar el repositorio: git clone https://github.com/Tole8Tole/MiniFold.git
  2. Instalar dependencias: pip install -r requirements.txt
  3. Obtener y dar formato a los datos:
    1. Descargar los datos aquí (seleccionar CASP7 text-based format)
    2. Descomprimir el archivo
    3. Recomendable crear un folder /data dentro del directorio MiniFold y copiar los archivos training_30, training_70 and training90 a éste. Cambiar las extensiones a .txt.
  4. Ejecutar los archivos tipo notebook (preprocessing) en el siguiente orden: 4. get_proteins_under_200aa.jl *source_path* *destin_path*: - selecciona proteínas de menos de 200 residuos de source_path file - (necesitas instalar Julia programming language v1.0 para poder ejectutarlo) 5. Correo el notebook get_angles_from_coords_py.ipynb - el cual realiza el cálculo de ángulos 'dihedrales' desde las coordenadas 6. Correo el notebook angle_data_preparation_py.ipynb
  5. Probar los modelos: 7. Para predicción de ángulos: models/predicting_angles.ipynb 8. Para predicción de distancias: 1. models/distance_pipeline/pretrain_model_pssm_l_x_l.ipynb 2. models/distance_pipeline/pipeline_caller.py

Si encuentras algunos detalles durante la ejecución puedes escribir a tole@ciencias.unam.mx

Referencias

Éste repositorio es un fork de:

git clone https://github.com/EricAlcaide/MiniFold

... donde probaremos otro tipo de estructuras.

Puedes clonar o darle "fork" a éste repositorio y poder contribuir en eĺ código de conducta

Meta

Autor original del repositorio: