TorchProteinLibrary:一种计算高效且可微的蛋白质结构表示
机器学习
2018-12-05 v1 生物大分子
摘要
从蛋白质序列预测其结构是分子生物学的基石任务。该领域中已有的方法,如同源建模与片段组装,似乎已触及极限。然而,今年出现了一些有前景的新方法:端到端蛋白质结构与动力学模型,以及应用于蛋白质折叠的强化学习。为了在更大规模上研究这些方法,需要对其关键计算原语进行高效实现。本文提出一个可微映射库,将两种标准的蛋白质结构二面角表示(全原子表示“”与仅骨架表示“”)映射到原子笛卡尔坐标。源代码与文档可在 https://github.com/lupoglaz/TorchProteinLibrary 获取。
引用
@article{arxiv.1812.01108,
title = {TorchProteinLibrary: A computationally efficient, differentiable representation of protein structure},
author = {Georgy Derevyanko and Guillaume Lamoureux},
journal= {arXiv preprint arXiv:1812.01108},
year = {2018}
}
备注
10 pages