# RNAGCN

**Repository Path**: dcw-RNAGCN/rnagcn

## Basic Information

- **Project Name**: RNAGCN
- **Description**: RNAGCN : RNA Graph convolutional network. A deep learning model for RNA 3D structure assessment.
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2022-08-10
- **Last Updated**: 2022-10-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# RNAGCN

#### 介绍
RNAGCN: RNA tertiary structure assessment with a graph convolutional network. 

RNAGCN 是一个用图卷积神经网络来评估RNA分子结构的深度学习算法

#### 软件架构
主要程序放在文件夹RNAGCN_SRC下
主要包含以下几个程序:
1. compute_index_files.py  计算PDB索引
2. GNN_NET.py    保存的GNN模型
3. Distributed_RUN.py 分布式训练GNN模型程序
4. test_GNN.py 利用训练好的模型进行测试或评分的程序
5. pro.cpp       核心计算程序，用来读取PDB和索引文件并计算成图
6. pro.so 和pro.exe 为pro.cpp的编译文件，非必须。程序运行时会自动将pro.cpp编译，


#### 安装教程
程序由python和C++程序共同运行。运行在python 3.8+ 和 C++ 11下。C++ 11版本对应的GCC 7.0 以上编译器，确保系统中有GCC 较新版本的编译器。
程序依赖于图深度学习库Deep graph library 和深度学习库pytorch。除此之外，可能还会需要一些python第三方库，比如biopython库。当运行程序报错时可根据缺失文件自行下载安装相应库。安装后配置好环境变量，确认这些库可以正常调用。
1.  Deep graph library  地址:https://www.dgl.ai/
2.  Pytorch https://pytorch.org/

备注:DGL 需要Pytorch的支持，注意安装时两者版本的匹配(官网会提示）。

#### 使用说明
1.准备数据
1). PDB文件准备:请事先清除PDB文件中氢原子，非RNA原子。将同一个RNA的不同构象pdb文件这样命名,例如RNA 1a9b：1a9n.pdb, 1a9n_s1.pdb, 1a9n_s2.pdb ...。其中1a9n.pdb是native structure. 同时确保RNA名称为4位数(如1a9nx就不行）。
2). 使用compute_index_files.py 计算这些PDB文件的图索引文件。该程序会提前计算每个PDB文件中图的残基索引，和图的数据标签(即该局部结构与真实结构之间的RMSD差).不用担心诸如原子缺失，残基缺失，或是native pdb文件和decoy pdb文件没对齐等等问题。程序会检查缺失问题，并自动对齐文件。当然，确保PDB数据不缺失更好，例如可以用rnatools工具补全PDB文件。


###联系方式
若有问题欢迎联系作者 Edelweiss16@163.com  dcw