OmegaFold

説明

OmegaFoldは、一次アミノ酸配列から直接、高解像度のde novoタンパク質構造予測を行う最先端のAIモデルです。このリリースコードは、「High-resolution de novo structure prediction from primary sequence」という論文で説明されているモデルへのアクセスを提供します。本プロジェクトは、長鎖タンパク質の推論に必要なGRAM要件の削減と、より強力なモデルのリリースに焦点を当て、継続的な最適化を目指しています。

OmegaFoldの主な進歩には、GRAMの大幅な削減が含まれており、特定の`--subbatch_size`設定を使用した場合、80GBのメモリを持つNVIDIA A100 GPU上で最大4096残基のタンパク質配列の推論が可能になります。モデルは`--subbatch_size`に対する感度が高いことが強調されており、計算時間とメモリ使用量のトレードオフを提供します。ユーザーはGPUメモリの制限を管理するためにこのパラメータを調整でき、メモリ問題が発生した場合は値を半分にすることが推奨されています。

macOSユーザー向けに、OmegaFoldはMPS（Apple Silicon）アクセラレーションをサポートしています。ただし、PyTorchの最新のナイトリーバージョンがインストールされている必要があります。現在のコードでは、macOSユーザーはリポジトリをクローンし、`python main.py`を使用してモデルを実行する必要があります。セットアッププロセスには、pipによるツールのインストール、またはリポジトリをクローンして`python setup.py install`を実行することが含まれます。入力形式は標準的なFASTAファイルであり、出力にはシーケンスごとに1つのPDBファイルが含まれ、信頼度値はPDBファイルのb-factor列に埋め込まれます。

OmegaFoldは、予測品質とリソース使用量のバランスを取るための柔軟性を提供します。ユーザーは`--subbatch_size`を変更して計算時間とGRAMをトレードオフしたり、`--num_cycle`を変更して計算時間と平均予測品質をトレードオフしたりできます。詳細およびオプションは、`omegifold --help`コマンドからアクセスできます。本プロジェクトは、その有用性に関して関連研究論文の引用を推奨しています。

開発者は、使いやすさの向上とモデル機能の拡張にコミットしています。今後のアップデートでは、より幅広いユーザーと計算環境に対するパフォーマンスとアクセシビリティがさらに向上することが期待されます。このオープンソースリリースは、構造生物学および創薬分野の研究開発を促進します。

OmegaFoldのハイライト

• 一次配列からの高解像度de novoタンパク質構造予測

• 長鎖タンパク質推論のための大幅なGRAM削減

• NVIDIA A100 (80GB) 上で最大4096残基のタンパク質配列をサポート

• メモリと時間のトレードオフのための調整可能な`--subbatch_size`

• macOSユーザー向けのMPS (Apple Silicon) アクセラレーションサポート

• PDB b-factor列に提供される信頼度値

• `--num_cycle`による計算時間と予測品質のトレードオフオプション

• 予測実行のためのコマンドラインインターフェース

• GitHubで利用可能なオープンソースリリースコード

• `--model 2`コマンドライン引数経由で利用可能なModel 2

• 基本的な機能にはPyTorchとbiopythonが必要

OmegaFoldをはじめる

1. 1

   環境設定: pipでOmegaFoldをインストールするか、リポジトリをクローンしてsetup.pyを実行します

2. 2

   入力準備: タンパク質配列を含むFASTAファイルを作成します

3. 3

   予測実行: `omegifold INPUT_FILE.fasta OUTPUT_DIRECTORY` または `python main.py INPUT_FILE.fasta OUTPUT_DIRECTORY` を実行します

4. 4

   パラメータ設定: メモリ最適化のために`--subbatch_size`、または品質トレードオフのために`--num_cycle`を調整します

5. 5

   結果アクセス: 出力ディレクトリから生成されたPDBファイルを取得します

6. 6

   macOSアクセラレーション活用: 最新のPyTorchナイトリーをインストールし、`python main.py`を使用します

7. 7

   オプション確認: 詳細なコマンドライン引数については、`omegifold --help`を実行します

OmegaFoldの使用例

• タンパク質構造予測
• 構造生物学研究
• 創薬
• バイオインフォマティクス解析
• 計算化学
• ゲノム研究

OmegaFoldのFAQ

• OmegaFoldは何に使用されますか？

  OmegaFoldは、一次アミノ酸配列から直接3Dタンパク質構造を生成する高解像度のde novoタンパク質構造予測に使用されます。

• OmegaFoldはどのようにGRAM使用量を削減しますか？

  OmegaFoldはGRAM使用量を削減するように最適化されており、特に調整可能な`--subbatch_size`設定を通じて、メモリの少ないGPUで長鎖タンパク質配列の推論を可能にします。

• OmegaFoldはmacOSで実行できますか？

  はい、最新のPyTorchナイトリーバージョンがインストールされていれば、OmegaFoldはmacOSでMPS (Apple Silicon) アクセラレーションをサポートします。ユーザーはリポジトリをクローンし、`python main.py`経由で実行する必要があります。

• OmegaFoldが処理できるタンパク質配列の最大長はどのくらいですか？

  特定の構成（例：NVIDIA A100 80GB、`--subbatch_size` 448）を使用すると、OmegaFoldは最大4096残基のタンパク質配列を推論できます。

• OmegaFoldで速度とメモリのトレードオフをどのように調整できますか？

  `--subbatch_size`パラメータを調整することで、計算時間とGRAM使用量をトレードオフできます。`--subbatch_size`が小さいほどメモリ使用量は少なくなりますが、時間がかかる場合があります。

• OmegaFoldはどのような出力を提供しますか？

  OmegaFoldは、各入力シーケンスに対して1つのPDBファイルを生成し、指定された出力ディレクトリに保存します。信頼度値はPDBファイルのb-factor列に含まれます。

• OmegaFoldをインストールするにはどうすればよいですか？

  pipを使用してOmegaFoldをインストールできます: `pip install git+https://github.com/HeliXonProtein/OmegaFold.git`、またはリポジトリをクローンして`python setup.py install`を実行します。

• OmegaFoldを実行するための依存関係は何ですか？

  基本的な機能には、最新のPyTorchとbiopythonのインストールが必要です。macOSの場合、MPSアクセラレーションには最新のPyTorchナイトリーが推奨されます。

• 予測品質に影響を与えることはできますか？

  はい、`--num_cycle`パラメータを変更することで、計算時間と平均予測品質をトレードオフできます。

• OmegaFoldのパラメータに関する詳細情報はどこで見つけられますか？

  OmegaFoldのパラメータに関する詳細情報は、ターミナルで`omegifold --help`を実行することで確認できます。

• OmegaFoldを使用する場合、どのように引用すべきですか？

  論文を引用してください: Wu, Ruidong, et al. "High-resolution de novo structure prediction from primary sequence." bioRxiv (2022).

• OmegaFoldのModel 2とは何ですか？

  Model 2はOmegaFoldモデルの更新バージョンであり、コマンドラインで`--model 2`を設定することで使用でき、潜在的な改善が期待できます。