GraphDTA论文代码复现
今天给大家介绍
一种名为 GraphDTA 的新模型，它将药物表示为图，并使用图神经网络来预测药物-靶点亲和力。我们的研究表明，图神经网络不仅能比非深度学习模型更好地预测药物与靶点的亲和力，而且还优于其他深度学习方法。我们的研究结果证实，深度学习模型适用于药物-靶点结合亲和力预测，而将药物表示为图可以带来进一步的改进。
论文地址：https://doi.org/10.1093/bioinformatics/btaa921
论文就不多过介绍了：
网络结构：
药物分子是smlies分子式为输入，蛋白质的输入是以蛋白质序列为输入。
数据集使用的是davis和kiba数据集：
然后我们直接上代码：
先说一下Tom本地的环境：
- anaconda的虚拟环境，
- python版本是3.7
首先是安装依赖，这里Tom之前的环境里已经有了，所以这里就不演示了：
conda create -n geometric python=3
conda activate geometric
conda install -y -c conda-forge rdkit
conda install pytorch torchvision cudatoolkit -c pytorch
pip install torch-scatter==latest+cu101 -f https://pytorch-geometric.com/whl/torch-1.4.0.html
pip install torch-sparse==latest+cu101 -f https://pytorch-geometric.com/whl/torch-1.4.0.html
pip install torch-cluster==latest+cu101 -f https://pytorch-geometric.com/whl/torch-1.4.0.html
pip install torch-spline-conv==latest+cu101 -f https://pytorch-geometric.com/whl/torch-1.4.0.html
pip install torch-geometric然后代码下载到本地，然后先转化数据集：
python create_data.py
应该是在把smiles分子式转化成图结构的数据。这一步很顺畅
然后下一步就是模型的训练：
python training.py 0 0 0
这里解释一下这三个参数，都是0，读者可能好奇这是什么意思，那我们来解释一下：
其中第一个参数是数据集索引，
第一个位置的参数：0/1 分别代表 "davis "或 "kiba"；
第二个参数是模型索引，0/1/2/3 分别代表 GINConvNet、GATNet、GAT_GCN 或 GCNNet；
第三个参数是 cuda 索引，0/1 分别代表 "cuda:0 "或 "cuda:1"。请注意，您的实际 CUDA 名称可能与上述名称不同，因此请相应修改以下代码：
所以我们这里三个0代表了我们使用davis数据集并且使用的是图同构卷积层，并且使用我本机的第一块cuda显卡
输入指令然后开始训练：
ops！报错了：
OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program.
That is dangerous, since it can degrade performance or cause incorrect results. The best thing to do is to
ensure that only a single OpenMP runtime is linked into the process, e.g. by avoiding static linking of the
OpenMP runtime in any library. As an unsafe, unsupported, undocumented workaround you can set the
environment variable KMP_DUPLICATE_LIB_OK=TRUE to allow the program to continue to execute,
but that may cause crashes or silently produce incorrect results. For more information,
please see http://www.intel.com/software/products/support/.这个代码的报错很常见，然后solution也很简单：
在报错的对应代码加上两句，
然后继续训练：
现在变的正常了：但是epoch太多啦
可以改的小一点 继续训练（本地训练时间成本太高）
epoch改成20 然后直至训练结束：
然后验证集的测试；
python training_validation.py 0 0 0
这里三个参数的含义还是和训练时的参数是一样的含义。
其实在训练结束之后，程序就已经将最好的模型保存到对应的文件夹下了，
我们加载一下这个模型，然后看看其结构：
其实模型的结构不复杂。
我们更focus的是如何将smiles分子式转化成图数据结构：
通过学习代码，可以看到作者是使用rdkit的chem库来实现这一点的：
def smile_to_graph(smile):
mol = Chem.MolFromSmiles(smile)
c_size = mol.GetNumAtoms()
features = []
for atom in mol.GetAtoms():
feature = atom_features(atom)
features.append( feature / sum(feature) )
edges = []
for bond in mol.GetBonds():
edges.append([bond.GetBeginAtomIdx(), bond.GetEndAtomIdx()])
g = nx.Graph(edges).to_directed()
edge_index = []
for e1, e2 in g.edges:
edge_index.append([e1, e2])
return c_size, features, edge_index这个小函数 就帮助我们从smiles分子式中提取了边和节点还有特征。
模型的数据集的格式是这样的：
分别是smiles和蛋白质序列还有亲和力数据
这个程序更有意思的一个点就是计算一致性指数consistency index
def ci(y,f):
ind = np.argsort(y)
y = y[ind]
f = f[ind]
i = len(y)-1
j = i-1
z = 0.0
S = 0.0
while i > 0:
while j >= 0:
if y[i] > y[j]:
z = z+1
u = f[i] - f[j]
if u > 0:
S = S + 1
elif u == 0:
S = S + 0.5
j = j - 1
i = i - 1
j = i-1
ci = S/z
return ci感觉有点像是js的加密函数一样 ，但是其实不复杂。这里顺便介绍一下CI：
emm 已经写了一上午啦，那今天这篇文章先到这里，下次我们继续分享。
如果我的分享对您有帮助，还请点个在看和关注，谢谢。