OmegaFold

설명

OmegaFold는 1차 아미노산 서열에서 직접 고해상도 de novo 단백질 구조를 예측하도록 설계된 최첨단 AI 모델입니다. 이 릴리스 코드는 "High-resolution de novo structure prediction from primary sequence" 논문에 설명된 모델에 대한 액세스를 제공합니다. 이 프로젝트는 추론 시 긴 단백질에 대한 GRAM 요구 사항을 줄이고 더 강력한 모델을 출시하는 데 중점을 두고 지속적인 최적화를 목표로 합니다.

OmegaFold의 주요 발전에는 상당한 GRAM 감소가 포함되어, 특정 `--subbatch_size` 설정을 사용할 때 80GB 메모리를 갖춘 NVIDIA A100 GPU에서 최대 4096개의 잔기를 가진 단백질 서열을 추론할 수 있습니다. 모델은 `--subbatch_size`에 대한 민감도를 강조하며, 계산 시간과 메모리 사용량 간의 절충점을 제공합니다. 사용자는 GPU 메모리 제한을 관리하기 위해 이 매개변수를 조정할 수 있으며, 메모리 문제가 발생하면 값을 절반으로 줄이는 것이 좋습니다.

macOS 사용자의 경우 OmegaFold는 최신 PyTorch 야간 빌드 버전을 설치한 경우 MPS(Apple Silicon) 가속을 지원합니다. 현재 코드는 macOS 사용자가 리포지토리를 복제하고 `python main.py`를 사용하여 모델을 실행해야 합니다. 설정 프로세스에는 pip를 통해 도구를 설치하거나 리포지토리를 복제하고 `python setup.py install`을 실행하는 것이 포함됩니다. 입력 형식은 표준 FASTA 파일이며, 출력에는 시퀀스당 하나의 PDB 파일이 포함되며, 신뢰도 값은 PDB 파일의 b-factor 열에 포함됩니다.

OmegaFold는 예측 품질과 리소스 사용량 간의 균형을 맞추는 유연성을 제공합니다. 사용자는 `--subbatch_size`를 수정하여 계산 시간을 GRAM과 바꾸거나 `--num_cycle`을 조정하여 계산 시간을 평균 예측 품질과 바꿀 수 있습니다. 추가 세부 정보 및 옵션은 `omegifold --help` 명령을 통해 액세스할 수 있습니다. 이 프로젝트는 유용성에 대해 관련 연구 논문을 인용하는 것을 권장합니다.

개발자는 사용 편의성을 개선하고 모델의 기능을 확장하기 위해 노력하고 있습니다. 향후 업데이트는 더 넓은 범위의 사용자와 계산 환경에 대한 성능 및 접근성을 더욱 향상시킬 것으로 예상됩니다. 이 오픈 소스 릴리스는 구조 생물학 및 신약 개발 분야의 연구 개발을 촉진합니다.

OmegaFold 하이라이트

• 1차 서열에서 고해상도 de novo 단백질 구조 예측

• 긴 단백질 추론을 위한 상당한 GRAM 감소

• NVIDIA A100 (80GB)에서 최대 4096개 잔기의 단백질 서열 지원

• 메모리-시간 절충을 위한 조정 가능한 `--subbatch_size`

• macOS 사용자를 위한 MPS(Apple Silicon) 가속 지원

• PDB b-factor 열에 제공되는 신뢰도 값

• `--num_cycle`을 통해 계산 시간을 예측 품질과 바꾸는 옵션

• 예측 실행을 위한 명령줄 인터페이스

• GitHub에서 사용 가능한 오픈 소스 릴리스 코드

• `--model 2` 명령줄 인수를 통해 모델 2 사용 가능

• 기본 기능에 PyTorch 및 biopython 필요

OmegaFold 시작하기

1. 1

   환경 설정: pip를 통해 OmegaFold 설치 또는 리포지토리 복제 후 setup.py 실행

2. 2

   입력 준비: 단백질 서열이 포함된 FASTA 파일 생성

3. 3

   예측 실행: `omegifold INPUT_FILE.fasta OUTPUT_DIRECTORY` 또는 `python main.py INPUT_FILE.fasta OUTPUT_DIRECTORY` 실행

4. 4

   매개변수 구성: 메모리 최적화를 위해 `--subbatch_size` 또는 품질 절충을 위해 `--num_cycle` 조정

5. 5

   결과 액세스: 출력 디렉토리에서 생성된 PDB 파일 검색

6. 6

   macOS 가속 활용: 최신 PyTorch 야간 빌드 설치 및 `python main.py` 사용

7. 7

   옵션 탐색: 자세한 명령줄 인수는 `omegifold --help` 실행

OmegaFold의 사용 사례

• 단백질 구조 예측
• 구조 생물학 연구
• 신약 개발
• 생물정보학 분석
• 계산 화학
• 유전체 연구

OmegaFold의 FAQ

• OmegaFold는 무엇에 사용되나요?

  OmegaFold는 1차 아미노산 서열에서 직접 3D 단백질 구조를 생성하는 고해상도 de novo 단백질 구조 예측에 사용됩니다.

• OmegaFold는 어떻게 GRAM 사용량을 줄이나요?

  OmegaFold는 GRAM 사용량을 줄이도록 최적화되어, 특히 조정 가능한 `--subbatch_size` 설정을 통해 메모리가 적은 GPU에서 더 긴 단백질 서열을 추론할 수 있습니다.

• OmegaFold는 macOS에서 실행할 수 있나요?

  예, 최신 PyTorch 야간 빌드 버전을 설치한 경우 OmegaFold는 macOS에서 MPS(Apple Silicon) 가속을 지원합니다. 사용자는 리포지토리를 복제하고 `python main.py`를 통해 실행해야 합니다.

• OmegaFold가 처리할 수 있는 최대 단백질 서열 길이는 얼마인가요?

  특정 구성(예: NVIDIA A100 80GB, `--subbatch_size` 448)을 사용하면 OmegaFold는 최대 4096개의 잔기를 가진 단백질 서열을 추론할 수 있습니다.

• OmegaFold로 속도와 메모리 간의 절충을 어떻게 조정할 수 있나요?

  계산 시간을 GRAM 사용량과 바꾸기 위해 `--subbatch_size` 매개변수를 조정할 수 있습니다. 낮은 `--subbatch_size`는 메모리가 덜 필요하지만 시간이 더 오래 걸릴 수 있습니다.

• OmegaFold는 어떤 출력을 제공하나요?

  OmegaFold는 각 입력 시퀀스에 대해 지정된 출력 디렉토리에 저장되는 하나의 PDB 파일을 생성합니다. 신뢰도 값은 PDB 파일의 b-factor 열에 포함됩니다.

• OmegaFold를 어떻게 설치하나요?

  pip를 사용하여 OmegaFold를 설치할 수 있습니다: `pip install git+https://github.com/HeliXonProtein/OmegaFold.git` 또는 리포지토리를 복제하고 `python setup.py install`을 실행하여 설치할 수 있습니다.

• OmegaFold 실행에 필요한 종속성은 무엇인가요?

  기본 기능에는 최신 PyTorch 및 biopython 설치가 필요합니다. macOS의 경우 MPS 가속을 위해 최신 PyTorch 야간 빌드가 권장됩니다.

• 예측 품질에 영향을 줄 수 있나요?

  예, `--num_cycle` 매개변수를 변경하여 계산 시간을 평균 예측 품질과 바꿀 수 있습니다.

• OmegaFold 매개변수에 대한 자세한 정보는 어디에서 찾을 수 있나요?

  터미널에서 `omegifold --help`를 실행하여 OmegaFold 매개변수에 대한 자세한 정보를 찾을 수 있습니다.

• OmegaFold를 사용하면 어떻게 인용해야 하나요?

  다음 논문을 인용해야 합니다: Wu, Ruidong, et al. "High-resolution de novo structure prediction from primary sequence." bioRxiv (2022).

• OmegaFold의 모델 2는 무엇인가요?

  모델 2는 OmegaFold 모델의 업데이트된 버전으로, 명령줄에서 `--model 2`를 설정하여 사용할 수 있으며 잠재적인 개선 사항을 제공합니다.