我们将我们的方法称为DIFFDOCK-PP。 实验证明,DIFFDOCK-PP在相互作用蛋白质结构数据库(DIPS)上取得了最佳1个中位复合物均方根偏差(C-RMSD)为4.85的成绩,优于所有考虑的基准方法。与常用的基于搜索的对接软件相比,DIFFDOCK-PP在GPU上速度提高了5到60倍。 BACKGROUND AND RELATED WORK 背景和相关工作 蛋白质-...
我们使用Ganea等人(2021)提出的基于蛋白家族的数据集拆分方案。DIFFDOCK-PP共有1.62M个参数,经过170个epoch在DIPS训练集上进行训练。每10个epoch,我们在DIPS验证集上运行反向扩散以计算L-RMSD值。最后,使用这个过程得到的最佳模型在DIPS测试集上进行测试。我们将我们的方法与基于搜索的对接算法、深度学...
Running DiffDock-PP Score Model Training Our code supports multi-GPU training to accelerate the development of new models. To train a new score model from scratch, simply run sh src/train.sh In this bash file, you can specify the experimental setup such as the number and IDs of GPUs, ...