蛋白质特征与结构预测¶

依赖、权重和运行配置见FAQ。

1) 标注蛋白质稀疏特征的生物学类别¶

作用： 标注蛋白质稀疏特征的生物学类别。
处理方法： 通过 ESM 调用已训练模型，使用所选模型和输入返回预测。
API： dnakit.databases.esm_describe_sae_feature(*, feature_id, sae_model=None, model=None, n_proteins=None, top_residues_per_protein=None, use_cache=None, verbose=True)
输入： 必须提供 feature_id。需配置：ESM_API_KEY.
输出： 返回字典，包含 feature_id, sae_model, category, confidence 等字段。
示例代码：

import dnakit

result = dnakit.databases.esm_describe_sae_feature(
    feature_id=6404,
    n_proteins=5,
    verbose=False,
)
print(result)

示例结果： 返回结构如下，实际记录随输入和数据源变化。

返回结构节选；<…> 表示类型占位符，非本次查询的实测数据。

{
  "feature_id": "<integer>",
  "sae_model": "<string>",
  "category": "<string>",
  "confidence": "<number>",
  "n_proteins_with_activation": "<integer>",
  "n_proteins_analyzed": "<integer>",
  "category_vote_counts": "<object>",
  "supporting_evidence": [
    {
      "protein": "<string>",
      "position_1based": "<integer>",
      "activation": "<number>",
      "uniprot_types": "<array>",
      "uniprot_categories": "<array>"
    }
  ]
}

完整参数与使用说明

2) 汇总蛋白质指定区间的稀疏特征¶

作用： 汇总蛋白质指定区间的稀疏特征。
处理方法： 通过 ESM 调用已训练模型，使用所选模型和输入返回预测。
API： dnakit.databases.esm_get_region_sae_features(*, sequence, start_position, end_position, top_k_features=None, model=None, sae_model=None, verbose=True)
输入： 必须提供 sequence, start_position, end_position。需配置：ESM_API_KEY.
输出： 返回字典，包含 sequence_length, region, region_length, n_features_active_in_region 等字段。
示例代码：

import dnakit

example_sequence = 'MTEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAGQEEYSAMRDQYMRTGEGFLCVFAINNTKSFEDIHHYREQIKRVKDSEDVPMVLVGNKCDLPSRTVDTKQAQDLARSYGIPFIETSAKTRQGVDDAFYTLVREIRKHKEK'

result = dnakit.databases.esm_get_region_sae_features(
    sequence=example_sequence,
    start_position=10,
    end_position=17,
    top_k_features=10,
    verbose=False,
)
print(result)

示例结果： 返回结构如下，实际记录随输入和数据源变化。

返回结构节选；<…> 表示类型占位符，非本次查询的实测数据。

{
  "sequence_length": "<integer>",
  "region": [
    "<value>"
  ],
  "region_length": "<integer>",
  "n_features_active_in_region": "<integer>",
  "top_features": [
    "<value>"
  ]
}

完整参数与使用说明

3) 提取蛋白质各残基的稀疏特征激活¶

作用： 提取蛋白质各残基的稀疏特征激活。
处理方法： 通过 ESM 调用已训练模型，使用所选模型和输入返回预测。
API： dnakit.databases.esm_get_sae_features(*, sequence, model=None, sae_model=None, position=None, window=None, top_k_per_residue=None, verbose=True)
输入： 必须提供 sequence。需配置：ESM_API_KEY.
输出： 返回字典，包含 sequence_length, model, sae_model, residues_returned 等字段。
示例代码：

import dnakit

example_sequence = 'MEEPQSDPSVEPPLSQETFSDLWKLLPENNVLSPLPSQAMDDLMLSPDDIEQWFTEDPGPDEAPRMPEAAPPVAPAPAAPTPAAPAPAPSWPLSSSVPSQKTYQGSYGFRLGFLHSGTAKSVTCTYSPALNKMFCQLAKTCPVQLWVDSTPPPGTRVRAMAIYKQSQHMTEVVRRCPHHERCSDSDGLAPPQHLIRVEGNLRVEYLDDR'

result = dnakit.databases.esm_get_sae_features(
    sequence=example_sequence,
    position=175,
    window=8,
    top_k_per_residue=16,
    verbose=False,
)
print(result)

示例结果： 返回结构如下，实际记录随输入和数据源变化。

返回结构节选；<…> 表示类型占位符，非本次查询的实测数据。

{
  "sequence_length": "<integer>",
  "model": "<string>",
  "sae_model": "<string>",
  "residues_returned": "<integer>",
  "position": "<integer>",
  "window": "<integer>",
  "top_k_per_residue": "<integer>",
  "activations": [
    {
      "residue_idx_1based": "<integer>",
      "active_features": "<array>"
    }
  ]
}

完整参数与使用说明

4) 计算蛋白质序列的模型对数概率¶

作用： 计算蛋白质序列的模型对数概率。
处理方法： 通过 ESM 调用已训练模型，使用所选模型和输入返回预测。
API： dnakit.databases.esm_score_sequence(*, sequence, model=None, verbose=True)
输入： 必须提供 sequence。需配置：ESM_API_KEY.
输出： 返回字典，包含 status, model, sequence, sequence_length 等字段。
示例代码：

import dnakit

result = dnakit.databases.esm_score_sequence(
    sequence='MKTAYIAKQRQISFVKSHFSRQ',
    model='esmc-300m-2024-12',
    verbose=False,
)
print(result)

示例结果： 返回结构如下，实际记录随输入和数据源变化。

返回结构节选；<…> 表示类型占位符，非本次查询的实测数据。

{
  "status": "<string>",
  "model": "<string>",
  "sequence": "<string>",
  "sequence_length": "<integer>",
  "mean_log_probability": "<number>",
  "per_residue_log_probabilities": [
    "<number>"
  ]
}

完整参数与使用说明

5) 使用 AlphaFold2 预测蛋白质三维结构¶

作用： 使用 AlphaFold2 预测蛋白质三维结构。
处理方法： 通过 NvidiaNIM 按输入条件检索或提交请求，并解析响应。
API： dnakit.databases.nvidia_nim_alphafold2(*, sequence, algorithm=None, databases=None, e_value=None, iterations=None, relax_prediction=None, skip_template_search=None, verbose=True)
输入： 必须提供 sequence。需配置：NVIDIA_API_KEY.
输出： 返回预测结构的 PDB 坐标及服务提供的置信度和模型指标。
示例代码：

import dnakit

result = dnakit.databases.nvidia_nim_alphafold2(
    sequence='MVLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLSH',
    verbose=False,
)
print(result)

示例结果： 返回预测结构的 PDB 坐标及服务提供的置信度和模型指标。

完整参数与使用说明

6) 使用 ESMFold 从序列预测蛋白质结构¶

作用： 使用 ESMFold 从序列预测蛋白质结构。
处理方法： 通过 NvidiaNIM 按输入条件检索或提交请求，并解析响应。
API： dnakit.databases.nvidia_nim_esmfold(*, sequence, verbose=True)
输入： 必须提供 sequence。需配置：NVIDIA_API_KEY.
输出： 返回字符串。
示例代码：

import dnakit

result = dnakit.databases.nvidia_nim_esmfold(
    sequence='ARNDCQEGHILKMFPSTWYV',
    verbose=False,
)
print(result)

示例结果： 返回结构如下，实际记录随输入和数据源变化。

返回结构节选；<…> 表示类型占位符，非本次查询的实测数据。

"<string>"

完整参数与使用说明