ECMDGNN 根据蛋白–配体复合物的历史分子动力学轨迹,预测未来的蛋白骨架和原子坐标。模型融合原子图、蛋白骨架和双通道体素云,用 LSTM 生成粗轨迹,再通过扩散模型修正相邻帧的运动增量。
在项目根目录运行:
conda env create -f environment/environment.yml
conda activate ecmdgnn
python -m pip install -r environment/requirements.txt另外安装与显卡驱动兼容的 CUDA 版 PyTorch。训练和采样需要 CUDA。安装后可运行以下命令检查,预期输出为 True:
python -c "import torch; print(torch.cuda.is_available())"更多环境说明见 environment/INSTALL.md。
数据集计划托管在 Hugging Face Datasets,仓库链接https://huggingface.co/LiangGroup/ECLGD_checkpoint_data/tree/main。
数据集提供原始 .npz 分子动力学轨迹;下载并解压(如有压缩包)后,将 NPZ 文件放到 DATA_ROOT 指向的目录,再按下面的步骤构建本地 graph_cache/。
1. 准备数据。 将轨迹 NPZ 放入默认目录 npz dataset/。输入需要 coords(形状 [帧数, 原子数, 3],单位 Å)、atom_names、resnames、resids、segids 和 ligand_resnames。可选字段包括 times、box、bonds 和 charges。缺少 times 时使用帧编号。
2. 构建并检查缓存。
python main.py --build_cache
python main.py --check_cache默认写入 graph_cache/<NPZ 文件名去掉扩展名>/,其中 meta.pt 保存原子、残基及拓扑信息,frames.pt 保存逐帧坐标、图结构、骨架和体素云。
3. 训练。
python main.py --train训练按轨迹目录划分数据集,检查点默认位于 outputs/checkpoints/。如需续训,把下面的路径替换为实际检查点:
python main.py --train --resume_ckpt outputs/checkpoints/ckpt_epoch1.pt4. 采样。 将 TRAJ_NAME 替换为实际缓存子目录名,并确认检查点文件存在。
python main.py --sample --traj TRAJ_NAME --ckpt outputs/checkpoints/ckpt_epoch1.pt --src_frame 3 --horizon 1 --n_samples 1帧号从 0 开始;上例使用第 3 帧作为起点,导出第 4 帧。也可用 --target_frame 4 指定目标帧。默认在 outputs/ 保存原始预测轨迹 .pt 和经过结构后处理的目标帧 .pdb,二者的坐标可能不同。
config.py:集中配置路径、训练窗口、模型和采样参数。可通过环境变量覆盖DATA_ROOT、GRAPH_ROOT、OUT_ROOT、BATCH_SIZE、OBSERVED_FRAMES、FUTURE_FRAMES等。preprocess/:构建、检查和打包轨迹缓存。data/:读取历史与未来帧,计算速度,整理成带掩码的 batch。models/:图、骨架和云编码,LSTM 粗预测,增量扩散与联合电子密度。train.py、sample.py:训练与评估、检查点加载与预测导出。tools/、docs/:诊断脚本、结构转换工具及模型设计说明。
默认训练使用 4 帧历史预测 1 帧。单帧模型预测更远时,会把生成坐标、速度和重建体素云反馈到历史窗口;单步指标不能代表长程生成质量。联合电子密度是模型预测的连续场,和输入体素云是不同表示;可选 QM 标签仅用于训练监督。