mindsponge.metrics.local_distance_difference_test

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 $C α$ 坐标的局部距离误差。首先分别计算真实和预测 $C α$ 原子坐标的距离矩阵， $D = (((x [N o n e, :] - x [:, N o n e])^{2}) . s u m (- 1))^{0.5}$ 。然后计算两者差值小于固定数值的比例： $l d d t = (r a t e (a b s (D_{t r u e} - D_{p r e d}) < 0.5) + r a t e (a b s (D_{t r u e} - D_{p r e d}) < 1.0) + r a t e (a b s (D_{t r u e} - D_{p r e d}) < 2.0) + r a t e (a b s (D_{t r u e} - D_{p r e d}) < 4.0)) / 4$ 。

Jumper et al. (2021) Suppl. Alg. 29 “predictPerResidueLDDT_Ca”.

参数：

predicted_points (Tensor) - 预测的 $C α$ 原子的坐标，shape为 $(1, N_{r e s}, 3)$ ，其中 $N_{r e s}$ 是蛋白质中的残基数目。
true_points (Tensor) - 真实的 $C α$ 原子的坐标，shape为 $(1, N_{r e s}, 3)$ 。
true_points_mask (Tensor) - true_points的mask，shape为 $(1, N_{r e s}, 1)$ 。
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_residue 为 False 则shape为 $(1,)$ ，否则为 $(1, N_{r e s})$ 。

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]