蛋白质深度学习（DL4Proteins）研讨会

欢迎来到 DL4Proteins！

DL4Proteins 笔记本系列的目标是让蛋白质设计与预测领域的深度学习技术更加普及，从而推动科学领域迎来变革性时刻。随着 2024 年诺贝尔化学奖授予大卫·贝克、德米斯·哈萨比斯和约翰·詹珀，以表彰他们在计算蛋白质设计和结构预测方面的突破性贡献，本资源提供了一种易于理解且实践性强的入门指南，帮助读者掌握塑造这场革命的核心工具与方法。通过将机器学习的基础原理与 AlphaFold、RFDiffusion 和 ProteinMPNN 等最前沿的方法相结合，DL4Proteins 为研究人员、教育工作者和学生提供了参与未来蛋白质工程发展的知识储备。这些开源笔记本架起了尖端研究与课堂教学之间的桥梁，助力培养新一代合成生物学与治疗学领域的创新人才。

相关的预印本详细阐述了该笔记本系列的教学框架，包括其背后的动机、学习目标以及每篇笔记本所体现的深度学习原则。

预印本：

DL4Proteins Jupyter 笔记本：教授如何利用人工智能进行生物分子结构预测与设计

以下 Jupyter 笔记本旨在介绍当前蛋白质设计领域中所使用的机器学习基本概念和模型。这些笔记本可在 Google Colaboratory 中运行。

为确保图表和问题正确显示，请将 Colab 笔记本设置为浅色模式。

目录

第 1 章：使用 NumPy 的神经网络

第 2 章：使用 PyTorch 的神经网络

第 3 章：卷积神经网络

第 4 章：用于莎士比亚文本和蛋白质的语言模型

第 5 章：语言模型嵌入与下游任务的迁移学习

第 6 章：AlphaFold 入门

第 7 章：用于蛋白质的图神经网络

第 8 章：去噪扩散概率模型

第 9 章：融会贯通——从 RFDiffusion 到 ProteinMPNN 再到 AlphaFold

第 10 章：RFDiffusion 入门——全原子模型

如遇任何问题，请提交至 Issues 标签页。本仓库将持续更新，我们正积极采纳反馈意见！

作者：迈克尔·F·钟友恩、斯里瓦尔沙·普瓦达、加布里埃尔·奥、考特妮·托马斯、布里特妮·J·卡彭蒂耶、杰弗里·J·格雷

致谢：谢尔盖·雷斯科夫、谢尔盖·奥夫钦尼科夫，约翰霍普金斯大学 2023 年 540.614/414 蛋白质结构预测课程的学生，以及约翰霍普金斯大学教学卓越与创新中心的教学提升资助项目。

引用与补充资源：本仓库中的每一篇笔记本均从多种前沿资源中汲取灵感并借鉴相关方法，包括知名在线工具、教育资源、学术论文及开源代码库。其中重要的参考来源包括哈里森·金斯利、安德烈·卡帕西和佩塔尔·韦利奇科维奇的 YouTube 系列视频。这些资源已在相应笔记本中列出，我们鼓励用户进一步探索这些基础性著作，以获得更深入的理解。

DL4Proteins-notebooks 快速上手指南

DL4Proteins 是一套旨在普及蛋白质设计与预测深度学习技术的开源 Jupyter Notebook 系列。本指南将帮助你快速在 Google Colab 环境中运行这些教程，涵盖从基础神经网络到 AlphaFold、RFDiffusion 等前沿模型的应用。

环境准备

本项目专为云端交互式学习设计，无需本地安装复杂的环境依赖。

• 系统要求：任意现代操作系统（Windows, macOS, Linux），只需具备浏览器和网络连接。
• 前置依赖：
  • 一个 Google 账号（用于访问 Google Colaboratory）。
  • 稳定的网络连接（访问 Google 服务及 GitHub 资源）。
• 推荐设置：
  • 在 Google Colab 中打开 Notebook 后，请务必将主题设置为 浅色模式 (Light Mode)，以确保图表和问题正常渲染。
  • 对于涉及大型模型（如 AlphaFold, RFDiffusion）的章节，建议在 Colab 运行时设置中选择 GPU 加速器（菜单：代码执行程序 > 更改运行时类型 > 硬件加速器 > GPU）。

安装步骤

由于本项目基于 Jupyter Notebook 并在云端运行，无需执行传统的本地安装命令。请按照以下步骤直接开始使用：

1. 访问仓库：打开 DL4Proteins-notebooks GitHub 仓库。
2. 选择章节：在 README 的目录中选择你感兴趣的章节链接（例如 "Chapter 1: Neural Networks with NumPy"）。
3. 在 Colab 中打开：点击链接会自动在 Google Colaboratory 中加载该 Notebook。
4. 保存副本（重要）： 为了能够运行和修改代码，你需要将文件保存到你的 Google Drive。
   • 在 Colab 顶部菜单栏点击 文件 (File)。
   • 选择 在 Drive 中保存副本 (Save a copy in Drive)。
   • 系统会自动在你的 Google Drive 中创建一个可编辑的副本，并在新标签页中打开。

注：如果你坚持需要在本地运行（不推荐，配置极其复杂），需克隆仓库并手动安装 PyTorch、BioPython、AlphaFold 等特定版本依赖，且极易出现环境冲突。强烈建议使用官方推荐的 Colab 方案。

基本使用

以下以 Chapter 1: Neural Networks with NumPy 为例，展示最简单的使用流程：

1. 加载笔记本： 点击下方链接在 Colab 中打开第一章： Chapter 1: Neural Networks with NumPy (记得先执行“在 Drive 中保存副本”)

2. 运行单元格： Notebook 由多个代码单元格（Cell）组成。从上到下依次点击每个单元格左侧的 播放按钮 (▶️) 或按下 Shift + Enter 执行代码。

   # 示例：典型的第一个代码单元格可能包含导入库的操作
   import numpy as np
   import matplotlib.pyplot as plt
   
   print("Environment ready for DL4Proteins Chapter 1")
   

3. 交互与修改：

   • 阅读单元格上方的 Markdown 文本说明，理解当前的机器学习概念（如感知机、反向传播）。
   • 你可以直接修改代码单元格中的参数（例如学习率 learning_rate 或迭代次数 epochs），然后重新运行该单元格及后续单元格，观察对模型训练结果的影响。

4. 进阶实践： 完成基础章节后，可依次挑战更高级的主题：

   • 蛋白质语言模型：尝试 Chapter 4，对比莎士比亚文本与蛋白质序列的建模异同。
   • 结构预测：运行 Chapter 6 体验 AlphaFold 的基础原理。
   • 综合设计：在 Chapter 9 中，串联 RFDiffusion、ProteinMPNN 和 AlphaFold 进行完整的蛋白质设计流程。

遇到任何运行问题，请访问项目的 Issues 页面 进行反馈。