ну, по вторичной получилось (же) - объехали ESM2 embeddings на 8%

Удачи, чо :)

Хочется, конечно, завоевать мир улучшить предсказания третичной структуры белка от ESM2 с помощью своих добавленных дескрипторов.

можете попробовать mdanalysis: https://docs.mdanalysis.org/stable/documentation_pages/analysis/encore/confdistmatrix.html

Если про предсказание, то все (af, rosettafold, chai) выдают дистограммы в качестве байпродакта, но нюанс в том, что там они в виде распределения по бинам, а не фиксированных расстояний. Брать максимум распределения обычно хватает для практических задач. И да, это таки байпродакт. В смысле что предсказанная модель, особенно если plddt/pae не очень, не факт что будет попадать именно в максимумы всех предсказанных дистанций.

Если посчитать, то чем угодно, хоть в prody.buildDistanceMatrix http://www.bahargroup.org/prody/manual/reference/measure/measure.html#prody.measure.measure.buildDistMatrix

Хоть любым cdist из torch/scipy/etc.

Я брал у мастера этих дел, может быть у него на гите есть на питоне
https://github.com/sokrypton/map_align

В mmCIF же хранится структура? Значит, можно однозначно получить distance map (я про X-ray белки). Можно это назвать не "extract" а "compute" - получить, вычислить и т.д.

в смысле извлекать? там же не хранится эта информация

Коллеги, подскажите, пожалуйста, библиотеки ProDy и/или gemmi умеют адекватно извлекать из mmCIF distance map? Или какая другая библиотека? Или, может, кто встречал готовую заготовку использования ESM2 embeddings + своих дескрипторов для дообучения моделей предсказания distance map/3D структуры белка? Я на kaggle ничего готового не нашёл (плохо искал?)

Ну это допустимое упрощение имхо. Для попновости. Иногда потом пишут по делу. Но не в этом случае

Это ответ биоинформатика на экзамене по биохимии?

#фотожаб.. #иижаб

- GPT, нарисуй мне картинку про аминокислоты.
- Конечно, я очень хорошо знаю, что такое аминокислоты

Хаха(

Гпт5 стал получше в плане статей, по сравнению с четвертым. Четвёртый писал очень убедительно, с ссылками и тп, но пиздюнькал в каждой второй ссылке и противоречил сам себе

pip install hello_snake — разбираемся в библиотеках Python с Бластим

Вы уже слышали про списки и векторы, прошли курсы по основам Python, открывали Google Colab и даже писали import something... Но как всё это прикрутить к реальным данным — особенно если они с приставкой bio — остается загадкой?

Если с уровня «А1» на змеином языке никак не сдвинуться, то пора по библиотекам! Вот и @blastim как раз зовет всех на бесплатный вебинар: «Как выбрать нужную библиотеку в Python под задачу? С чего начать работу с библиотекой?»

Когда? Эта суббота, 18 октября, в 12:00 мск

Вместе с матерым преподавателем Александром Ильиным:
• разберетесь, зачем вообще нужны библиотеки и где их искать
• научитесь устанавливать и импортировать их без страха ошибок
• узнаете, какие пакеты помогают работать с биологическими данными
• подберете решения под конкретные задачи и быстро проверите их в Jupyter

Во время вебинара можно задавать вопросы преподавателю вживую. Александр разберет ваш кейс и подскажет, с чего начать

Получите «читательский билет» в мир Python-библиотек от Бластим здесь: clck.ru/3PmFZV ?

Добро пожаловать в (sci)Berloga Bioinformatics, Biology, etc. Club, Tatiana Romanova
Напиши пару слов о себе ??

По ощущениям перплексити выдумывает меньше, чем гпт3, остальное не тестил. Ну так для этого и нужен кожаный интерфейс, чтобы галлюцинации фильтровать

Статьи реальные, дои реальные, но друг к другу отношения не имеют

Вчера дипсик, из интереса, попросил найти десяток статей с дои