<em id="lbmtt"></em>
  • <th id="lbmtt"><track id="lbmtt"></track></th>
    <li id="lbmtt"></li>
    <progress id="lbmtt"><big id="lbmtt"></big></progress>

    Bioinformatics | DD-GUI:深度學習虛擬篩選大規?;衔飵斓膱D形化用戶界面

    Bioinformatics | DD-GUI:深度學習虛擬篩選大規?;衔飵斓膱D形化用戶界面
    Bioinformatics | DD-GUI:深度學習虛擬篩選大規?;衔飵斓膱D形化用戶界面

    DD-GUI 是英屬哥倫比亞大學團隊聯合NVIDIA開發的深度學習和對接的圖形用戶界面,名為“深度對接”。DD-GUI 能直觀且便捷地設置大規模虛擬篩選,并提供方便的工具,記錄藥物發現項目的進度和分析結果。

    背景介紹

    篩選數十億種化合物的商業化合物庫是發現新藥的重要手段。然而,傳統的虛擬篩選方法面臨資源和時間的瓶頸。深度學習 (DL)可以用少量的分子對接成本評估數十億種化合物,大大加速超大型化學庫的虛擬篩選。

    本文介紹的深度對接(DD)平臺用迭代訓練深度神經網絡,丟棄預測對接分數較低的分子,將需要對接的分子數量減少到總數1%。DD 項目結果是一個分子子集,它比原始庫小幾十倍,但包含大多數得分最高的分子。因此,與傳統方法相比,DD 的計算量可以在合理的時間內執行上十億規模的大規模虛擬篩選,無需昂貴的高性能計算系統。例如,DD 用小于 400 個 CPU 和 40 個 GPU 在一周內針對 SARS-CoV-2 主要蛋白酶篩選整個 ZINC15 數據庫(約 13.6 億個分子),從中確定了新型強效的抑制劑。作者創建了一個圖形用戶界面 (DD-GUI),可以自動化地設置和運行 DD。DD-GUI 進一步降低了大規模虛篩進入門檻,藥物發現研究人員只需單擊幾下即可對接數十億個分子。

    工具安裝地址

    https://github.com/jamesgleave/DeepDockingGUI

    主要內容

    安裝 GUI

    GUI 是本地托管的 Web 應用程序,用于實現與對接的集群通信。服務器通過 SSH 連接到集群,通過本地客戶端服務器架構將信息傳遞給用戶。要啟動應用程序,用戶需要使用 Node.js 啟動服務器,然后在瀏覽器中打開它(類似于啟動 Jupyter 筆記本)。

    安裝程序會設置本地 Conda 環境和運行服務器所需的所有 Node.js 模塊。接著,它將請求訪問具有 GPU 的 SLURM 調度集群,并安裝所有必要的腳本和模塊,以便在該集群上運行 DD 項目(除了必須預先安裝的 AutoDock-GPU 對接程序)。具體的預準備和安裝命令見github項目主頁。

    GUI的組成

    GUI 包含四個選項卡(圖 1):Start a Run、Progress、Models和Top Scoring。

    Start a Run 選項卡允許用戶創建、修改、加載和運行項目。Progress選項卡預估當前迭代和整個運行的完成百分比,展示DD的進度,并提供當前階段的時間估計。Progress選項卡還顯示一個圖表,報告估計的剩余分子數(根據模型的性能估計),以及每次迭代結束時剩余的實際分子數(庫的子集),評估模型的普遍性。Models選項卡包含有關在每次迭代中訓練的神經網絡模型的信息。它顯示在特定模型的訓練期間獲得的所有指標以及所有模型的平均值。它還有一個查看模型架構按鈕,可在彈出窗口中顯示所選模型的架構。最后,Top Scoring 選項卡顯示了在模型預測的前一千個分子中最常見的骨架。用戶還可以下載前一千個分子的 SMILES,分析模型優先考慮的化學結構,可視化每個分子的骨架。

    Bioinformatics | DD-GUI:深度學習虛擬篩選大規?;衔飵斓膱D形化用戶界面

    圖1. DD-GUI組成概覽。圖片來源:Bioinformatics

    設置和運行篩選項目

    DD-GUI需要預處理過的 SMILES 的化學庫,并預先計算分子Morgan指紋以及受體對接口袋格點文件。軟件提供了morgan_fp.py計算分子的指紋,以及 ZINC20 數據庫。此外,還提供了 prepare_receptor.py 工具來計算 AutoDock 程序所需的受體文件。

    Bioinformatics | DD-GUI:深度學習虛擬篩選大規?;衔飵斓膱D形化用戶界面

    圖2. 新建項目時的頁面與參數解釋。圖片來源:Bioinformatics

    GUI 會自動運行DD所有階段并執行許多預定義的迭代,也允許定制特定的 SLURM 系統。隨機采樣開始后,該程序利用 OpenBabel 程序產生分子的低能構象,并保存為pdbqt格式。最后使用 AutoDock-GPU對接分子。訓練結果隨時受到監督并可視化到界面中。

    Bioinformatics | DD-GUI:深度學習虛擬篩選大規?;衔飵斓膱D形化用戶界面

    圖3. 模型訓練相關指標可視化頁面。圖片來源:Bioinformatics

    計算結束后,軟件會自動提取合格分子的 SMILES 結構,供進一步對接或后處理步驟。

    Bioinformatics | DD-GUI:深度學習虛擬篩選大規?;衔飵斓膱D形化用戶界面

    圖4. 模型預測的Top1000分子的SMILES及結構。圖片來源:Bioinformatics

    結論總結

    商業庫的分子數量的空前增加,大規模虛擬篩選逐漸成為熱點。DD-GUI 通過一系列開源程序來篩選大規?;衔飵?,且無需大量資源。該程序的用戶友好性體現在為普通用戶提供一個直觀的平臺,不需要用戶了解底層機器學習模塊知識。DD-GUI 將有助于計算機輔助藥物發現的平民化,并鼓勵更多學科的研究人員探索化學空間。

    參考文獻

    Jean Charle Yaacoub, James Gleave, Francesco Gentile, Abraham Stern and Artem Cherkasov. DD-GUI: a graphical user interface for deep learning-accelerated virtual screening of large chemical

    libraries (Deep Docking),?Bioinformatics, 38(4), 2022, 1146–1148.

    X
    亚洲网络在线,五月亚洲色图,亚洲 色 图 小 说,亚洲一级a毛片免费视频在线播放