EquiBind：用于药物结合结构预测的几何深度学习

arXiv 上的论文

在使用 EquiBind 之前，也请考虑查看我们新的方法 DiffDock，它在多个方面都优于 EquiBind。 DiffDock 的 GitHub 和 论文。

EquiBind 是一个 SE(3)-等变的几何深度学习模型， 能够直接预测 i) 受体结合位点（盲对接）以及 ii) 配体的结合姿态和取向。与传统及近期的基线方法相比，EquiBind 实现了显著的速度提升。 如果您有任何问题，请随时提交 issue，或通过 hstark@mit.edu、社交媒体 联系我，或通过 oct@mit.edu 联系 Octavian Ganea。我们非常乐意收到您的反馈！

数据集

我们预处理过的数据（详见论文附录中的数据集部分）已不再在 zenodo 上提供。
原因是 PDBBind 的许可协议不允许重新分发该数据集。 data 目录中的文件包含了基于时间的数据划分名称。

这意味着您现在需要从 PDBBind 官网 (http://www.pdbbind.org.cn/) 下载数据，并将其放置到 data 目录中，使得路径为 data/PDBBind。

使用提供的模型权重预测您自己的蛋白-配体复合物的结合结构：

第一步：输入所需内容

格式为 .mol2、.sdf、.pdbqt 或 .pdb 的配体文件，其文件名应包含字符串 ligand（您的配体文件应包含 所有 氢原子）。
格式为 .pdb 的受体文件，其文件名应包含字符串 protein。我们在训练用的蛋白质上运行了 reduce 工具。您也可以考虑对自己的蛋白质运行此工具。
对于每个您想要预测的复合物，都需要一个包含配体和受体文件的目录，如下所示：

my_data_folder
└───name1
    │   name1_protein.pdb
    │   name1_ligand.sdf
└───name2
    │   name2_protein.pdb
    │   name2_ligand.mol2
...

第二步：设置环境

我们将使用 Anaconda 设置环境。克隆当前仓库：

git clone https://github.com/HannesStark/EquiBind

使用 environment.yml 创建包含所有必要包的新环境。如果您有 CUDA GPU，请执行：

conda env create -f environment.yml

如果您只有 CPU，则执行：

conda env create -f environment_cpuonly.yml

激活环境：

conda activate equibind

以下是针对 CUDA GPU 环境的依赖项列表，如果您不想使用 environment.yml 文件而选择手动安装的话：

python=3.7
pytorch 1.10
torchvision
cudatoolkit=10.2
torchaudio
dgl-cuda10.2
rdkit
openbabel
biopython
rdkit
biopandas
pot
dgllife
joblib
pyaml
icecream
matplotlib
tensorboard

第三步：预测结合结构！

在配置文件 configs_clean/inference.yml 中，将您的输入数据文件夹路径设置为 inference_path: path_to/my_data_folder。
然后运行：

python inference.py --config=configs_clean/inference.yml

完成！ :tada:
您的结果将以 .sdf 文件的形式保存在配置文件中指定的输出目录下，路径为 output_directory: 'data/results/output'，同时也会以张量形式保存在 runs/flexible_self_docking/predictions_RDKitFalse.pt！

对同一 .sdf 文件中的多个配体和单个受体进行推理

python multiligand_infernce.py -o path/to/output_directory -r path/to/receptor.pdb -l path/to/ligands.sdf

此命令会针对 receptor.pdb 中的蛋白质，对 ligands.sdf 文件中的每一个配体运行 EquiBind。输出将在 output_directory 中生成三个文件，文件名及内容如下：

failed.txt - 包含在 ligands.sdf 文件中，推理失败且被捕捉和处理的分子的索引及其名称。
success.txt - 包含在 ligands.sdf 文件中，推理成功的分子的索引及其名称。
output.sdf - 包含由 EquiBind 生成的构象，格式为 .sdf。

复现论文中的结果

按照上述“数据集”部分的说明下载并放置数据。

使用提供的模型权重

要使用提供的模型权重预测结合结构，请运行：

python inference.py --config=configs_clean/inference_file_for_reproduce.yml

这将首先给出 EquiBind-U 的结果，随后在运行快速配体点云拟合修正后，得到 EquiBind 的结果。
这些结果比论文中报告的略好。我们会将改进后的结果纳入论文的下一次更新中。

自行训练模型并使用这些权重

要自行训练模型，请运行：

python train.py --config=configs_clean/RDKitCoords_flexible_self_docking.yml

模型权重将保存在 runs 目录中。
您还可以启动 TensorBoard 服务器 tensorboard --logdir=runs，实时观察模型训练过程。
要评估模型在测试集上的表现，只需将配置文件 inference_file_for_reproduce.yml 中的 run_dirs: 条目更改为指向 runs 目录中生成的相应目录。
然后您可以像之前一样运行 python inference.py --config=configs_clean/inference_file_for_reproduce.yml！

参考文献

:page_with_curl: 论文 arXiv

@inproceedings{equibind,
  title={Equibind: Geometric deep learning for drug binding structure prediction},
  author={St{\"a}rk, Hannes and Ganea, Octavian and Pattanaik, Lagnajit and Barzilay, Regina and Jaakkola, Tommi},
  booktitle={International Conference on Machine Learning},
  pages={20503--20521},
  year={2022},
  organization={PMLR}
}

EquiBind 快速上手指南

EquiBind 是一个基于 SE(3) 等变几何深度学习的模型，能够直接预测药物分子（配体）与蛋白质（受体）的结合位置及结合姿态。相比传统方法，它在盲对接和姿态预测上具有显著的速度优势。

提示：在使用 EquiBind 之前，建议也关注其升级版模型 DiffDock，它在多个方面进行了改进。

环境准备

系统要求

• 操作系统：Linux 或 macOS（Windows 需通过 WSL 运行）
• Python 版本：3.7
• 硬件加速：
  • 推荐：NVIDIA GPU (CUDA 10.2)
  • 备选：仅 CPU 运行（速度较慢）

前置依赖

• Anaconda 或 Miniconda
• Git

安装步骤

1. 克隆项目代码

git clone https://github.com/HannesStark/EquiBind
cd EquiBind

2. 创建 Conda 环境

如果您拥有 NVIDIA GPU (CUDA 10.2)：

conda env create -f environment.yml

如果您仅使用 CPU：

conda env create -f environment_cpuonly.yml

国内加速建议：如果下载包速度较慢，可配置清华或中科大镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

3. 激活环境

conda activate equibind

基本使用

第一步：准备输入数据

您需要为每个待预测的复合物创建一个独立文件夹，包含配体和受体文件。

• 配体文件：格式为 .mol2, .sdf, .pdbqt 或 .pdb，文件名必须包含字符串 ligand，且必须包含所有氢原子。
• 受体文件：格式为 .pdb，文件名必须包含字符串 protein。

目录结构示例：

my_data_folder
└───name1
    │   name1_protein.pdb
    │   name1_ligand.sdf
└───name2
    │   name2_protein.pdb
    │   name2_ligand.mol2

第二步：配置路径

打开配置文件 configs_clean/inference.yml，修改 inference_path 指向您的数据文件夹路径：

inference_path: path_to/my_data_folder

(可选) 如需修改输出目录，可调整 output_directory 字段（默认为 data/results/output）。

第三步：运行预测

在终端执行以下命令开始预测：

python inference.py --config=configs_clean/inference.yml

结果查看

运行完成后：

• 结构化文件：预测结果以 .sdf 格式保存在配置的 output_directory 中。
• 张量文件：原始预测张量保存在 runs/flexible_self_docking/predictions_RDKitFalse.pt。

---

进阶：批量处理单个受体下的多个配体

如果您的多个配体存储在同一个 .sdf 文件中，可以使用以下命令一次性处理：

python multiligand_infernce.py -o path/to/output_directory -r path/to/receptor.pdb -l path/to/ligands.sdf

输出说明：

• success.txt：成功预测的分子索引及名称。
• failed.txt：预测失败的分子索引及名称。
• output.sdf：包含所有成功生成的结合构象。