lucidrains/alphafold3-pytorch

해결하는 문제

이 프로젝트는 생물학적 분자 간 상호작용의 정확한 구조 예측을 위한 AlphaFold 3의 PyTorch 구현을 제공합니다. 연구자들이 복잡한 생물학적 분자(단백질 및 기타 생체 분자 포함)의 원자 3차원 좌표를 예측할 수 있게 하며, 이는 생물학적 기능 이해와 약물 개발에 필수적입니다.

작동 방식

AlphaFold 3 논문에 설명된 알고리즘을 PyTorch 코드로 변환합니다. 원자 위치를 샘플링하기 위해 확산 기반 접근법을 사용하며, 다음과 같은 전용 모듈을 포함합니다:

• 입력 처리: PDB(Protein Data Bank) 데이터를 처리하며, 다중 서열 정렬(MSA)과 템플릿을 포함합니다.
• Pairformer 스택: 구조 정보를 처리하는 핵심 아키텍처 구성 요소입니다.
• 확산 모듈: 원자 인코더, 토큰 트랜스포머, 원자 디코더가 함께 작동하여 원자 3차원 좌표를 정교화하고 생성합니다.
• 학습 파이프라인: mmCIF 파일에서 고품질 학습 데이터를 준비하기 위해 PDB 데이터셋을 필터링하고 클러스터링하는 스크립트를 포함합니다.

대상 사용자

• 계산 생물학자: 생물학적 복합체의 구조 예측이 필요한 연구자.
• 머신러닝 연구자: 유연한 PyTorch 환경에서 AlphaFold 3 아키텍처를 구현하거나 연구하고자 하는 사람.
• 생물정보학 엔지니어: 구조 생물학 모델용으로 대규모 PDB 데이터셋을 준비하고 정제하는 도구가 필요한 사람.

주요 특징

• 완전한 PyTorch 구현: AlphaFold 3 아키텍처를 PyTorch 생태계로 가져와 수정 및 학습을 용이하게 합니다.
• 포괄적인 데이터 파이프라인: RCSB Protein Data Bank에서 PDB 데이터를 다운로드, 필터링, 클러스터링하는 상세한 스크립트를 포함합니다.
• 엔드투엔드 워크플로우: PDB 파일 파싱에서 샘플링된 원자 위치 생성에 이르기까지 전체 프로세스를 지원합니다.
• Docker 통합: GPU 지원이 가능한 일관된 환경 설정을 위한 Dockerfile을 제공합니다.