HelixFold3でテンプレートのフィルタをする

2024/9/12

inference.pyのtemplates.HmmsearchHitFeaturizerでrelease_dates_path=Noneとなっているが、ここにテンプレートのrelease情報を与えないとすべてのテンプレートが無視されるっぽいフィルタリングされないだけで無視されるわけではなかった。。

WARNING Template structure not in release dates dictとかでてしまう。release dates dict

そこで以下のようなスクリプトでテンプレートのrelease_datesの情報をまとめたファイルを生成し、これを指定することでテンプレート情報を活用できるようになる。

code:generate_release_dates.py

import os

import gzip

from pathlib import Path

from tqdm import tqdm

from multiprocessing import Pool

def extract_date(file_path):

with open(file_path, "r") as f:

lines = f.readlines()

pdb_id = file_path.stem.lower()

release_date = None

for line in lines:

if line.startswith("_pdbx_database_status.recvd_initial_deposition_date"):

release_date = line.strip().split()-1

break

if release_date:

return f"{pdb_id}: {release_date}\n"

else:

print("No release date found for", pdb_id)

return None

def extract_release_dates(mmcif_dir, output_file):

cif_files = list(Path(mmcif_dir).rglob("*.cif"))

with Pool() as pool:

results = list(tqdm(pool.imap(extract_date, cif_files), total=len(cif_files)))

with open(output_file, "w") as out:

out.writelines(filter(None, results))

if __name__ == "__main__":

mmcif_dir = "data/pdb_mmcif/mmcif_files"

output_file = "template_release_dates.txt"

extract_release_dates(mmcif_dir, output_file)