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。

文档反馈

mindsponge.metrics.get_structural_violations

mindsponge.metrics.get_structural_violations(atom14_atom_exists, residue_index, aatype, residx_atom14_to_atom37, atom14_pred_positions, violation_tolerance_factor=VIOLATION_TOLERANCE_ACTOR, clash_overlap_tolerance=CLASH_OVERLAP_TOLERANCE, lower_bound=LOWER_BOUND, upper_bound=UPPER_BOUND, atomtype_radius=ATOMTYPE_RADIUS, c_one_hot=C_ONE_HOT, n_one_hot=N_ONE_HOT, dists_mask_i=DISTS_MASK_I, cys_sg_idx=CYS_SG_IDX)[源代码]

该函数主要用于计算蛋白序列中相邻的氨基酸是否存在不合理的肽键构型，以及不同原子是否在空间中距离过近，从而对蛋白质结构中不合理的空间冲突进行惩罚。（针对蛋白质全原子坐标编码分为两种形式：分别为稀疏编码和稠密编码，详见： common.make_atom14_positions ）

参数：

atom14_atom_exists (Tensor) - 按照稠密编码方式编码，蛋白质全原子mask，有原子位置为1，无原子位置为0。shape $(N_{r e s}, 14)$ 。
residue_index (Tensor) - 蛋白质序列编码index信息，大小从0到 $N_{r e s} - 1$ 。shape $(N_{r e s},)$ 。
aatype (Tensor) - 蛋白质一级序列编码，编码方式参考 common.residue_constants.restype_order，取值范围 $[0, 20]$ ，若为20表示该氨基酸为unkown（UNK）。 shape $(N_{r e s},)$ 。
residx_atom14_to_atom37 (Tensor) - 稠密编码方式原子在稠密编码方式中的索引映射。shape $(N_{r e s}, 14)$ 。
atom14_pred_positions (Tensor) - 以稠密编码方式编码的蛋白质全所有原子坐标。shape $(N_{r e s}, 14, 3)$ 。
violation_tolerance_factor (float) - 氨基酸残基中原子间距离由于过近或过远会导致原子存在冲突，该系数为氨基酸残基内原子间距离容忍数。
clash_overlap_tolerance (float) - 空间中原子由于过近会导致重叠，该系数表示原子间空间距离的容忍数。
lower_bound (Tensor) - 按稠密编码方式编码的原子间允许的最小距离。shape $(N_{r e s}, 14, 14)$ 。
upper_bound (Tensor) - 按稠密编码方式编码的原子间允许的最大距离。shape $(N_{r e s}, 14, 14)$ 。
atomtype_radius (Tensor) - 按照稠密编码方式编码，每个原子的范德华半径。shape $(37,)$ 。
c_one_hot (Tensor) - 按照稠密编码方式对C原子的独热编码。shape: $(14,)$ 。
n_one_hot (Tensor) - 按照稠密编码方式对N原子的独热编码。shape: $(14,)$ 。
dists_mask_i (Tensor) - 按稠密编码方式编码的原子间距离矩阵。shape: $(14, 14)$ 。
cys_sg_idx (Tensor) - 半胱氨酸在蛋白质编码中的index，详见： mindsponge.common.residue_constants 。 shape: $()$ 。

返回：

bonds_c_n_loss_mean (Tensor) - C-N 肽键长度冲突的平均损失。shape: $()$ 。
angles_ca_c_n_loss_mean (Tensor) - CA-C-N键角冲突的平均损失。shape: $()$ 。
angles_c_n_ca_loss_mean (Tensor) - C-N-CA键角冲突的平均损失。shape: $()$ 。
connections_per_residue_loss_sum (Tensor) - 所有氨基酸残基关于肽键的冲突损失总和，包括键角键长损失。shape $(N_{r e s},)$ 。
connections_per_residue_violation_mask (Tensor) - mask表示每个氨基酸残基是否存在键长或键角损失。shape $(N_{r e s},)$ 。
clashes_mean_loss (Tensor) - 在空间中，所有原子间距离中超出原子范德化半径的总平均距离损失。即含有距离冲突的原子平均损失。shape $()$
clashes_per_atom_loss_sum (Tensor) - 在空间中，所有原子间距离中超出原子范德化半径的总和除以总原子个数。即平均单个原子距离损失（包括没有距离冲突的原子）。shape $(N_{r e s}, 14)$ 。
clashes_per_atom_clash_mask (Tensor) - 在空间中，所有原子间距离中超出原子范德化半径的原子mask。1表示有冲突，0表示没有冲突。shape $(N_{r e s}, 14)$ 。
per_atom_loss_sum (Tensor) - 每个原子的总距离冲突误差。shape $(N_{r e s}, 14)$ 。
per_atom_violations (Tensor) - 每个原子的冲突误差（键长和键角冲突最大值）。shape $(N_{r e s}, 14)$ 。
total_per_residue_violations_mask (Tensor) - 氨基酸残基是否存在原子冲突掩码。 shape $(N_{r e s},)$ 。
structure_violation_loss (Tensor) - 所有氨基酸残基原子冲突损失总和。 shape： $()$ 。

符号:

$N_{r e s}$ - 蛋白质中氨基酸个数，按蛋白质一级序列排列。

支持平台：

Ascend GPU

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor
>>> import numpy as np
>>> from mindsponge.metrics import get_structural_violations
>>> atom14_atom_exists = Tensor(np.random.random(size=(50, 14)), ms.float32)
>>> residue_index = Tensor(np.array(range(50)), ms.int32)
>>> aatype = Tensor(np.random.randint(20, size=(50,)), ms.int32)
>>> residx_atom14_to_atom37 = Tensor(np.random.randint(2, size=(50, 14)), ms.int32)
>>> atom14_pred_positions = Tensor(np.random.random(size=(50, 14, 3)), ms.float32)
>>> violation_tolerance_factor = 12.0
>>> clash_overlap_tolerance = 1.5
>>> lower_bound = Tensor(np.random.random(size=(50, 14, 14)), ms.float32)
>>> upper_bound = Tensor(np.random.random(size=(50, 14, 14)), ms.float32)
>>> atomtype_radius =Tensor([1.55, 1.7, 1.7, 1.7, 1.52, 1.7, 1.7, 1.7, 1.52, 1.52, 1.8,
...                          1.7, 1.7, 1.7, 1.55, 1.55, 1.52, 1.52, 1.8, 1.7, 1.7, 1.7,
...                          1.7, 1.55, 1.55, 1.55, 1.52, 1.52, 1.7, 1.55, 1.55, 1.52, 1.7,
...                          1.7, 1.7, 1.55, 1.52], ms.float32)
>>> c_one_hot = Tensor(np.array([0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]), ms.int32)
>>> n_one_hot = Tensor(np.array([1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]), ms.int32)
>>> dists_mask_i = Tensor(np.eye(14, 14), ms.int32)
>>> cys_sg_idx = Tensor(5, ms.int32)
>>> result = get_structural_violations(atom14_atom_exists, residue_index, aatype, residx_atom14_to_atom37,
...                                    atom14_pred_positions, violation_tolerance_factor,
...                                    clash_overlap_tolerance, lower_bound, upper_bound, atomtype_radius,
...                                    c_one_hot, n_one_hot, dists_mask_i,cys_sg_idx)
>>> for r in result:
>>>     print(r.shape)
()
()
()
(50,)
(50,)
()
(50, 14)
(50, 14)
(50, 14)
(50, 14)
(50,)
()