mindsponge.metrics.supervised_chi

查看源文件
mindsponge.metrics.supervised_chi(sequence_mask, aatype, sin_cos_true_chi, torsion_angle_mask, sin_cos_pred_chi, sin_cos_unnormalized_pred, chi_weight, angle_norm_weight, chi_pi_periodic)[源代码]

计算主链与侧链扭转角的误差，扭转角用角度的正弦与余弦值表示，该误差由两项组成，第一项是正则化后的预测正弦余弦值与真实值的角度差，第二项是预测值的模量与1的差值，称为角度模量误差。 Jumper et al. (2021) Suppl. Alg. 27 “torsionAngleLoss”。

参数：

  • sequence_mask (Tensor) - 序列残基的mask，shape为 \((N_{res},)\) ，其中 \(N_{res}\) 是蛋白质中的残基数目。

  • aatype (Tensor) - 序列中的氨基酸残基类型，shape为 \((N_{res},)\) 。

  • sin_cos_true_chi (Tensor) - shape为 \((N_{res}, 14)\) ，扭转角的正弦和余弦值，每个氨基酸残基有七个扭转角，其中主链三个，侧链四个。

  • torsion_angle_mask (Tensor) - 侧链扭转角的mask，shape为 \((N_{res}, 4)\) 。

  • sin_cos_pred_chi (Tensor) - shape为 \((N_{res}, 4, 2)\) ，预测的侧链扭转角的正弦和余弦值。

  • sin_cos_unnormalized_pred (Tensor) - 预测的扭转角的正弦和余弦值，没有做过正则化，shape为 \((N_{recycle}, N_{res}, 7, 2)\) ，其中 \(N_{recycle}\) 是Structure模块中的循环次数。

  • chi_weight (float) - 角度差损失函数项的权重。

  • angle_norm_weight (float) - 角度模量损失函数项的权重。

  • chi_pi_periodic (Tensor) - 扭转角的周期性信息，某些氨基酸的某些扭转角具有周期性。氨基酸性质的常量，shape是 \((21, 4)\) ，21代表二十种氨基酸加未知氨基酸。

返回：

Tensor，主链与侧链扭转角的误差，shape为 \(()\) 。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> np.random.seed(0)
>>> from mindsponge.metrics import supervised_chi
>>> from mindsponge.common import residue_constants
>>> from mindspore import dtype as mstype
>>> from mindspore import Tensor
>>> sequence_mask = Tensor(np.random.rand(256, )).astype(mstype.float32)
>>> aatype = Tensor(np.random.randint(0, 21, (256,) )).astype(mstype.int32)
>>> sin_cos_true_chi = Tensor(np.random.rand(256, 4, 2)).astype(mstype.float32)
>>> torsion_angle_mask = Tensor(np.random.rand(256, 4)).astype(mstype.float32)
>>> sin_cos_pred_chi = Tensor(np.random.rand(256, 14)).astype(mstype.float32)
>>> sin_cos_unnormalized_pred = Tensor(np.random.rand(8, 256, 7, 2)).astype(mstype.float32)
>>> chi_weight = 0.1
>>> angle_norm_weight = 0.2
>>> chi_pi_periodic = Tensor(residue_constants.chi_pi_periodic).astype(mstype.float32)
>>> chi_loss = supervised_chi(sequence_mask, aatype, sin_cos_true_chi, torsion_angle_mask, sin_cos_pred_chi,
...                           sin_cos_unnormalized_pred, chi_weight, angle_norm_weight, chi_pi_periodic)
>>> print(chi_loss)
0.061829045