Todos os arquivos devem ter o caminho modificado para o diretório desejado. Este é o único parâmetro que precisa ser alterado obrigatoriamente, caso contrário, podem ocorrer erros.
Nesta pasta, encontram-se os scripts necessários para realizar as predições.
-
cria_dataset.py: Gera o conjunto de dados com base nas funções de escore desejadas. Para isso, é necessário colocar todos os conjuntos de dados das funções de escore em uma mesma pasta e, dentro do arquivo .py, especificar esse caminho como parâmetro.
-
pre_processamento.py: Realiza o pré-processamento, normalização e alguma limpeza nos dados.
-
prepara_todos_ligantes.py: Converte todos os arquivos .mol2 ou .sdf para arquivo .pdbqt.
-
prepara_todas_proteinas.py: Converte todos os arquivos .pdb para arquivo .pdbqt.
-
resultados.py: Realiza o treinamento do modelo e gera os gráficos.
Contém as nove funções de escore utilizadas no presente trabalho. Cada pasta possui um automatizador dessas funções. Para executar, basta chamar o arquivo gera_funcao.py. As funções de machine learning têm uma flag que, quando ativada, gera o conjunto de dados. Normalmente, essa etapa demora algumas horas para ser concluída, então a flag é desativada por padrão. Caso deseje gerar o conjunto de dados, basta modificar essa flag.
Os arquivos mais pesados podem ser encontrados no seguinte link: Google Drive.
Para esclarecimento de dúvidas, entre em contato por e-mail: baalbis@gmail.com.