文档反馈

问题文档片段

问题文档片段包含公式时,显示为空格。

提交类型
issue

有点复杂...

找人问问吧。

PR

小问题,全程线上修改...

一键搞定!

请选择提交类型

问题类型
规范和低错类

- 规范和低错类:

- 错别字或拼写错误,标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致,但不影响操作。

- 表述不通顺,但不影响理解。

- 版本号不匹配:如软件包名称、界面版本号。

易用性

- 易用性:

- 关键步骤错误或缺失,无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰,该分类、分项、分步骤的没有给出。

正确性

- 正确性:

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误,无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示:

- 对重要数据或系统存在风险的操作,缺少安全提示。

内容合规

- 内容合规:

- 违反法律法规,涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述,以帮助我们快速定位问题。

mindsponge.metrics.local_distance_difference_test

查看源文件
mindsponge.metrics.local_distance_difference_test(predicted_points, true_points, true_points_mask, cutoff=15, per_residue=False)[源代码]

计算真实与预测的 Cα 坐标的局部距离误差。 首先分别计算真实和预测 Cα 原子坐标的距离矩阵, D=(((x[None,:]x[:,None])2).sum(1))0.5。 然后计算两者差值小于固定数值的比例: lddt=(rate(abs(DtrueDpred)<0.5)+rate(abs(DtrueDpred)<1.0)+rate(abs(DtrueDpred)<2.0)+rate(abs(DtrueDpred)<4.0))/4

Jumper et al. (2021) Suppl. Alg. 29 "predictPerResidueLDDT_Ca".

参数:
  • predicted_points (Tensor) - 预测的 Cα 原子的坐标,shape为 (1,Nres,3) ,其中 Nres 是蛋白质中的残基数目。

  • true_points (Tensor) - 真实的 Cα 原子的坐标,shape为 (1,Nres,3)

  • true_points_mask (Tensor) - true_points的mask,shape为 (1,Nres,1)

  • cutoff (float) - 距离误差的截断点,超过该距离时梯度不再考虑,常量。

  • per_residue (bool) - 指示是否按残基为单位计算局部距离差,如果设为True则按残基为单位返回局部距离差值,默认值: False

返回:
  • score (list) - Tensor。局部距离误差,如果 per_residueFalse 则shape为 (1,) ,否则为 (1,Nres)

支持平台:

Ascend GPU

样例:

>>> import numpy as np
>>> np.random.seed(0)
>>> from mindsponge.metrics import local_distance_difference_test
>>> from mindspore import dtype as mstype
>>> from mindspore import Tensor
>>> predicted_points = Tensor(np.random.rand(1, 256, 3)).astype(mstype.float32)
>>> true_points = Tensor(np.random.rand(1, 256, 3)).astype(mstype.float32)
>>> true_points_mask = Tensor(np.random.rand(1, 256, 1)).astype(mstype.float32)
>>> lddt = local_distance_difference_test(predicted_points, true_points, true_points_mask,
...                                       cutoff=15, per_residue=False)
>>> print(lddt)
[0.9554313]