mindsponge.data_transform.atom37_to_frames

mindsponge.data_transform.atom37_to_frames(aatype, all_atom_positions, all_atom_mask, is_affine=False)[源代码]

根据8个刚性组计算每个氨基酸的局部坐标系，返回shape为 \([N_{res}, 8, 12]\)，其中8表示每个残基依据原子对扭转角的依赖可分成至多8个刚性组，分别为一个骨架刚体组和7个由扭转角定义的刚体组（包括3个主链扭转角和4个侧脸扭转角）。12表示9个局部坐标系相对于全局坐标系的旋转矩阵和 3个局部坐标系相对于全局坐标系的平移矩阵。

参数：

aatype (numpy.array) - 氨基酸序列, \([N_{res}]\)。
all_atom_positions (numpy.array) - 所有原子的坐标，用atom37的方式呈现, \([N_{res}, 37, 3]\)。
all_atom_mask (numpy.array) - 所有原子坐标的mask, \([N_{res}, 37]\) 。
is_affine (bool) - 是否进行仿射变换, 默认值： False。

返回：

字典，具体内容如下。

rigidgroups_gt_frames (numpy.array) - 将氨基酸序列位置用刚体变换组表示, \([N_{res}, 8, 12]\)。
rigidgroups_gt_exists (numpy.array) - rigidgroups_gt_frames的mask，表示该刚体变换组是不是存在实验解析获得的真实结构, \([N_{res}, 8]\)。
rigidgroups_group_exists (numpy.array) - rigidgroups_gt_frames的mask，表示该刚体变换组根据氨基酸残基的理想结构是否存在, \([N_{res}, 8]\) 。
rigidgroups_group_is_ambiguous (numpy.array) - rigidgroups_gt_frames的mask，表示该位置是存在手性对称, \([N_{res}, 8]\) 。
rigidgroups_alt_gt_frames (numpy.array) - 将近似氨基酸序列位置用扭转角度表示 \([N_{res}, 8, 12]\) 。
backbone_affine_tensor (numpy.array) - 每个氨基酸局部坐标相对全局坐标的平移与旋转, \([N_{res}, 7]\) 对于最后一维，前四个分量是表征旋转的四元数，代表局部坐标系相对全局坐标系的旋转，后三个分量是三维空间的平移。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindsponge.data import atom37_to_frames
>>> from mindspore import dtype as mstype
>>> from mindspore import Tensor
>>> aatype = np.ones(193,dtype=np.int32)
>>> all_atom_positions = np.ones((193,37,3),dtype=np.float32)
>>> all_atom_mask = np.ones((193,37),dtype=np.int32)
>>> result = atom37_to_frames(aatype,all_atom_positions,all_atom_mask)
>>> for key in result.keys():
>>>     print(key,result[key].shape)
rigidgroups_gt_frames (193, 8, 12)
rigidgroups_gt_exists (193, 8)
rigidgroups_group_exists (193, 8)
rigidgroups_group_is_ambiguous (193, 8)
rigidgroups_alt_gt_frames (193, 8, 12)