Xiaopeng Xu, Ph.D.

Research Scientist @ KAUST · Agentic AI for scientific discovery, protein design & synthetic biology

Recent Notes

基于结构设计抗体

Xiaopeng Xu published on Feb 3, 2022 included in Technology

总体介绍

目前抗体圈主要是在英美。美国以 RosettaCommons 为核心，有好多人在做抗体设计。英国以 Oxford 的 Charlotte Deane 为代表，有很多研究人员做此方向。

Rosetta 目前被蛋白质设计相关组广为使用。主要是美国的一些科研机构在用。包含抗体序列numbering、抗体结构预测、抗体抗原 docking 和抗体设计等项目的多个软件。Numbering 主要用的是 PyIgClassify (2015), 抗体结构预测包括 RosettaAntibody(2009), AbPredict (2016, 2019), 和 RosettaCM (2013)，抗体抗原 docking 包括 RosettaDock (2008) 和 *SnugDock(2010)，抗体设计包括 RosettaAntibodyDesign (RAbD, 2018) 和 AbDesign (2015)，通过引用量来看 RosettaCM (748)，RosettaAntibody (2009, 175)，RosettaDock (2008, 516) 和 SnugDock (2010, 122) 用的人较多。另外，Rosetta 有个在线平台 Rosie，提供在线服务，做蛋白质结构预测和 Docking 等，https://rosie.rosettacommons.org/queue。

Docker 常用命令

Xiaopeng Xu published on Dec 11, 2021 included in Technology

镜像使用

docker pull 获取镜像

docker pull informaticsmatters/rdock

docker run 从镜像创建容器

docker run -it --rm -u $(id -u):$(id -g) -v $PWD:$PWD:Z -w $PWD informaticsmatters/rdock bash # 启动 bash

在 docker 中运行命令

在启动容器时运行

docker run -it --rm ubuntu:18.04 bash

在 bash 中直接运行

docker run -it --rm ubuntu:18.04 bash
rbdock

在 DockerFile 中使用 CMD 命令运行

FROM frolvlad/alpine-oraclejre8
ARG JAR_FILE_NAME
ADD target/${JAR_FILE_NAME} app.jar
 
CMD java -jar /app.jar

外部访问容器

入门介绍

用 apt 安装：

https://yeasy.gitbook.io/docker_practice/install/ubuntu

REINVENT 系列介绍

Xiaopeng Xu published on Nov 14, 2021 included in Technology

Reinvent 系列介绍

Reinvent 是阿斯利康开发的一系列利用 AI 技术做药物研发的工具。包括：

Reinvent：一个利用强化学习进行化学分析发现的工具，支持新的 scaffold 发现、基于 scaffold 的活性分子生成、分子优化等功能。后面会详细介绍。

AI 在药物研发中的应用（讲座）

Xiaopeng Xu published on Nov 6, 2021 included in Technology

总结

这个讲座，对于系统认识 AI 药物设计领域非常有帮助。核心的流程包括：生成、活性评估+RL、成药性筛选+RL、合成、测试、反馈。其中，生成用 AI model，评估用物理模型+AI，合成可以通过计算 retro-syntehsis path 来实现，测试用 AI 实验室，反馈是对实验结果做分析。

R 常用命令

Xiaopeng Xu published on Nov 4, 2021 included in Technology

基础操作

包操作

install.packages("ggplot2") # 安装包
library(ggplot2) # 加载包

R notebook 快捷键

Ctrl+Shift+Enter # Run current chunk
Ctrl+Cmd+I # insert new chunk
Ctrl+Shift+K # Preview HTML file

更改当前目录

setwd("/path/to/my/directory")

赋值

inoutpath <- "datanew"
a = 123
fetchScholarAuthors <- T # T for True
errToFile <- F # F for False

数据操作

读取数据

train_10_scores = read.csv("result/train_10k_scores.csv")

合并 dataframe

library(gdata)
density_dat = combine(Train, Prior) # 合并后会新增 source 列，对应 Train 和 Prior

ggplot2 绘图

线图

ggplot(NULL, aes(x, y)) +  geom_line(data = data2, col = "blue") + 
labs(x="X axis", y = "Y axis") # Rename axis

点图

ggplot(NULL, aes(x, y)) +  geom_point(data = data1, col = "red")

Histogram 分布图

ggplot(df_sample, aes(x=dist, colour=source, fill=source)) +  # 设置底图和数据
geom_histogram(alpha=0.3, binwidth=1) +  # 画 histogram 图
coord_cartesian(xlim=c(0, 15)) + # 设置作图区间
labs(x="Paire-wise distance") + # 设置 x-轴名称
theme_bw() # 设置白底

Density 密度分布图

cols <- c("#1f77b4", "#ff7f0e") #, "#72D8FF")
ggplot(density_dat, aes(x=raw_FvNetCharge, colour= source, fill= source)) +  # 设置底图和数据
geom_density(alpha = 0.3) + # 画 density 图
scale_fill_manual(values=cols) + # 对下方区间染色
theme_bw() # 背景色设为白色

合并多张图

# bxp <- ggplot(...)...
# dp <- ggplot(...)...
# lp <- ggplot(...)...

figure <- ggarrange(bxp, dp, lp,
                    labels = c("A", "B", "C"),
                    ncol = 2, nrow = 2)
figure

Huggingface Transformer

Xiaopeng Xu published on Jul 4, 2021 included in Technology

什么是 Huggingface？

一个专门 AI 公司，维护了 python 的 transformer 库。

Transformer 介绍

什么是 NLP？

以下是常见 NLP 任务的列表，每个任务都有一些示例：

对整个句子进行分类：获取评论的情绪，检测电子邮件是否为垃圾邮件，确定句子在语法上是否正确或两个句子在逻辑上是否相关