Skip to content

README.md

Latest commit

 

History

History
78 lines (61 loc) · 4.41 KB

README.md

File metadata and controls

78 lines (61 loc) · 4.41 KB

ContVAR

Python PyTorch Graphein

ContVAR, proteinlerin tek amino asit varyantlarının (SAVs) yapısal ve fonksiyonel etkilerini analiz etmek için geliştirilmiş yapay zeka tabanlı bir projedir.

Proje, proteinlerin 3 boyutlu PDB yapılarını graflara dönüştürür ve Metric Learning (Triplet Loss) yaklaşımını kullanarak; hastalığa neden olan (malignant) varyantları, zararsız (benign) varyantlardan uzamsal olarak ayrıştırmayı hedefler.

🧬 Proje Amacı

Protein dizilimindeki tek bir harf değişikliği (mutasyon), proteinin yapısını bozabilir veya etkisiz kalabilir. ContVAR, bu değişimleri sadece dizi (sequence) üzerinde değil, 3 boyutlu uzaydaki komşuluk ilişkilerini de gözeterek analiz eder.

Model şu mantıkla eğitilir:

  1. Anchor (Çapa): Proteinin orijinal hali (Wild-Type).
  2. Positive (Pozitif): Aynı proteinin zararsız (Benign) varyantı.
  3. Negative (Negatif): Aynı proteinin hastalık yapan (Malignant/Pathogenic) varyantı.

Amaç, embedding uzayında "Benign" varyantı orijinal proteine yakın tutarken, "Malignant" varyantı onlardan uzaklaştırmaktır.

📂 Veri Seti Yapısı (Directory Structure)

Projenin çalışabilmesi için veri setinin aşağıdaki hiyerarşide olması gerekmektedir. Kod, protein_triplets_data klasörünü baz alır.

ContVAR/
│
├── protein_triplets_data/
│   ├── originals/               # Wild-Type (Referans) Proteinler
│   │   ├── 1abc.pdb             # Örn: Orijinal protein yapısı
│   │   └── 2xyz.pdb
│   │
│   ├── positives/               # Benign (Zararsız) Varyantlar
│   │   ├── 1abc/                # DİKKAT: Klasör adı original ID ile aynı olmalı
│   │   │   ├── 1abc_var1.pdb
│   │   │   └── 1abc_var2.pdb
│   │   └── 2xyz/
│   │       └── ...
│   │
│   └── negatives/               # Malignant (Hastalık Yapan) Varyantlar
│       ├── 1abc/                # DİKKAT: Klasör adı original ID ile aynı olmalı
│       │   ├── 1abc_bad1.pdb
│       │   └── 1abc_bad2.pdb
│       └── 2xyz/
│           └── ...
│
├── graphein.ipynb (veya .py)
└── README.md
  • originals: Sadece .pdb dosyalarını içerir.
  • positives & negatives: İçlerinde her protein ID'si için ayrı bir klasör bulundurur. Varyant .pdb dosyaları bu alt klasörlerde yer alır.

⚙️ Teknik Detaylar ve Graphein Konfigürasyonu

Bu projede biyolojik yapıları grafa dönüştürmek için Graphein kütüphanesi kullanılmıştır. Modelin proteinleri nasıl "gördüğü" aşağıdaki parametrelerle belirlenmiştir:

1. Graf Oluşturma (Graph Construction)

  • Düğüm Özellikleri (Node Features): amino_acid_one_hot kullanılmıştır. Her düğüm (amino asit), 20 boyutlu bir vektörle temsil edilir. Bu sayede model, mutasyonun türünü (örneğin Alanin -> Triptofan değişimini) net bir şekilde ayırt edebilir.
  • Kenar Oluşturma (Edge Construction):
    • add_peptide_bonds: Protein omurgasını (backbone) korumak için ardışık amino asitler bağlanır.
    • add_k_nn_edges (k=10): Proteinin 3 boyutlu katlanmasını modele öğretmek için kullanılır. Uzayda birbirine en yakın 10 amino asit, dizide birbirlerinden uzak olsalar bile bağlanır. Bu, mutasyonun çevresindeki mikro-çevreyi analiz etmek için kritiktir.

2. Model Mimarisi: DeepProteinGAT

Model, GATv2 (Graph Attention Network v2) mimarisi üzerine kurulmuştur:

  • Attention: Mutasyonun komşu amino asitlerle etkileşim ağırlıklarını öğrenir.
  • Pooling: global_add_pool ile tüm graf tek bir vektöre indirgenir.
  • Loss Function: TripletMarginLoss kullanılarak, benign varyantlar orijinale çekilirken, malignant varyantlar itilir.

Hiperparametreler

Kod içerisindeki temel ayarlar:

  • BATCH_SIZE = 8: GPU belleğine göre artırılabilir.
  • EPOCHS = 50: Modelin veriyi kaç kez göreceği. (Artırılacak)
  • MARGIN = 0.2: Triplet Loss fonksiyonundaki marj değeri.

📊 Beklenen Sonuçlar

Başarılı bir eğitim sonunda modelin; hastalık yapan mutasyonları, zararsız olanlardan embedding uzayında (vektörel düzlemde) net bir şekilde ayırması beklenmektedir.