md轨迹的降维方法
unrolr的Python项目详细描述
展开
基于二重距离的度量（https://github.com/jeeberhardt/unrolr）的基于（枢轴）随机邻近嵌入的MD轨迹的构象分析。
先决条件
您至少需要（requirements.txt）：
- python 2.7或python 3
- 努比
- h5py
- 熊猫
- matplotlib
- pyopencl
- mdanalysis（>；=0.17）
在unix上安装（debian/ubuntu）
我强烈建议您安装anaconda发行版（https://www.continuum.io/downloads），如果您想要一个干净的python环境，并且几乎已经安装了所有先决条件（numpy、h5py、pandas、matplotlib）。
一。首先，您必须安装opencl:
- 好消息，你不必安装opencl，它是现成的。（更新：坏消息，opencl在macos 10.14中已经贬值。谢谢苹果。）
- 你必须安装AMDGPU graphics stack。
- nvidia：你必须安装CUDA toolkit。
- 英特尔：当然，只要安装这个runtime software package，它也可以在CPU上工作。或者，基于cpu的opencl驱动程序也可以通过conda包管理器的包
pocl（http://portablecl.org/）安装。
对于任何其他信息，pyopencl的官方安装指南是here。
2.最后一步，从pypi服务器安装
pip install unrolr
或者从源头上
# Get the package wget https://github.com/jeeberhardt/unrolr/archive/master.zip unzip unrolr-master.zip rm unrolr-master.zip cd unrolr-master # Install the package python setup.py install
如果pip在安装所有依赖项时遇到问题，
conda config --append channels conda-forge
conda install pyopencl mdanalysis
# Try again
python setup.py install
opencl上下文
在运行unrolr之前，需要定义opencl上下文。这是一个很好的方式，看看一切是否正常工作。
python -c 'import pyopencl as cl; cl.create_some_context()'在我的示例中，我可以在3种不同的计算设备（2个图形卡和一个CPU）之间进行选择。
Choose platform: [0] <pyopencl.Platform 'AMD Accelerated Parallel Processing' at 0x7f97e96a8430> Choice [0]:0 Choose device(s): [0] <pyopencl.Device 'Tahiti' on 'AMD Accelerated Parallel Processing' at 0x1e18a30> [1] <pyopencl.Device 'Tahiti' on 'AMD Accelerated Parallel Processing' at 0x254a110> [2] <pyopencl.Device 'Intel(R) Core(TM) i7-3820 CPU @ 3.60GHz' on 'AMD Accelerated Parallel Processing' at 0x21d0300> Choice, comma-separated [0]:1 Set the environment variable PYOPENCL_CTX='0:1' to avoid being asked again.
现在可以设置环境变量。
exportPYOPENCL_CTX='0:1'
示例
from__future__importprint_functionfromunrolrimportUnrolrfromunrolr.feature_extractionimportDihedralfromunrolr.utilsimportsave_datasettop_file='examples/inputs/villin.psf'trj_file='examples/inputs/villin.dcd'# Extract all calpha dihedral angles from trajectory and store them into a HDF5 file (start/stop/step are optionals)d=Dihedral(top_file,trj_file,selection='all',dihedral_type='calpha',start=0,stop=None,step=1).run()X=d.resultsave_dataset('dihedral_angles.h5',"dihedral_angles",X)# Fit X using Unrolr (pSPE + dihedral distance) and save the embedding into a csv fileU=Unrolr(r_neighbor=0.27,n_iter=50000,verbose=1)U.fit(X)U.save(fname='embedding.csv')print('%4.2f%4.2f'%(U.stress,U.correlation))
待办事项列表
- []将spe性能与umap进行比较
- [X]与Python 3的兼容性
- [X]与MDanalysis最新版本的兼容性（=0.17）
- []单元测试
- [X]可从PIP直接访问
- []提高OpenCL性能（全局/本地内存）
引文
Eberhardt，J.，Stote，R.H.，和Dejaegere，A.（2018年）。Unrolr：使用随机接近嵌入的蛋白质构象的结构分析。计算化学杂志，39（30），2551-2557。https://doi.org/10.1002/jcc.25599
许可证
麻省理工学院
欢迎加入QQ群-->： 979659372
