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。

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.sidechain

mindsponge.metrics.sidechain(alt_naming_is_better, rigidgroups_gt_frames, rigidgroups_alt_gt_frames, rigidgroups_gt_exists, renamed_atom14_gt_positions, renamed_atom14_gt_exists, sidechain_atom_clamp_distance, sidechain_length_scale, pred_frames, pred_positions)[源代码]

调用 frame_aligned_point_error 实现全原子损失函数计算 Jumper et al. (2021) Suppl. Alg. 20 “StructureModule” line 17.

参数：

alt_naming_is_better (Tensor) - shape为 $(N_{r e s},)$ 的tensor，如果值为1，该残基使用备选的真实值计算损失函数更好。
rigidgroups_gt_frames (Tensor) - 真实局部坐标系，shape为 $(N_{r e s}, 8, 12)$ ， $N_{r e s}$ 是蛋白质中的残基数目。每个残基具有一个骨架刚体变换组和7个由扭转角定义的刚体变换组（这里包括三个主链扭转角和四个侧链扭转角）；对于最后一维，前九个元素代表局部坐标系相对于全局坐标系的旋转矩阵；后三个代表局部坐标系相对于全局坐标系的平移矩阵。
rigidgroups_alt_gt_frames (Tensor) - 备选的真实局部坐标系，部分氨基酸存在手性，因此使用手性对称的位置作为备选。 shape与rigidgroups_gt_frames一致。
rigidgroups_gt_exists (Tensor) - 真实局部坐标系的mask，shape为 $(N_{r e s}, 8)$ 。
renamed_atom14_gt_positions (Tensor) - 重命名的真实原子坐标（部分氨基酸存在手性对称，需先进行对称变换操作重命名，参见函数 compute_renamed_ground_truth），采用14位稠密编码，shape为 $(N_{r e s}, 14, 3)$ 。
renamed_atom14_gt_exists (Tensor) - 重命名后的原子坐标的mask，shape为 $(N_{r e s}, 14)$ 。
sidechain_atom_clamp_distance (float) - 距离误差的截断点，超过该距离时梯度不再考虑，常量。
sidechain_length_scale (float) - 单位距离，用于缩放距离的差，常量。
pred_frames (Tensor) - 预测的局部坐标系，shape为 $(12, N_{r e c y c l e}, N_{r e s}, 8)$ ，其中 $N_{r e c y c l e}$ 是Structure模块中FoldIteration的循环次数，实际只使用最后一次循环产生的局部坐标系。
pred_positions (Tensor) - 预测的原子坐标，shape为 $(3, N_{r e c y c l e}, N_{r e s}, 14)$ ，实际只使用最后一次循环产生的坐标。

返回：

fape(Tensor)。计算所得全原子点位置误差，计算过程中过大的误差会被截断。shape为 $()$ 。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> np.random.seed(0)
>>> from mindsponge.metrics import sidechain
>>> from mindspore import dtype as mstype
>>> from mindspore import Tensor
>>> alt_naming_is_better = Tensor(np.zeros((256,))).astype(mstype.float32)
>>> rigidgroups_gt_frames = Tensor(np.random.rand(256, 8, 12)).astype(mstype.float32)
>>> rigidgroups_alt_gt_frames = Tensor(np.random.rand(256, 8, 12)).astype(mstype.float32)
>>> rigidgroups_gt_exists = Tensor(np.random.rand(256, 8)).astype(mstype.float32)
>>> renamed_atom14_gt_positions = Tensor(np.random.rand(256, 14, 3)).astype(mstype.float32)
>>> renamed_atom14_gt_exists = Tensor(np.random.rand(256, 14)).astype(mstype.float32)
>>> sidechain_atom_clamp_distance = 10.0
>>> sidechain_length_scale = 10.0
>>> pred_frames = Tensor(np.random.rand(12, 8, 256, 8)).astype(mstype.float32)
>>> pred_positions = Tensor(np.random.rand(3, 8, 256, 14)).astype(mstype.float32)
>>> sidechain_loss = sidechain(alt_naming_is_better, rigidgroups_gt_frames, rigidgroups_alt_gt_frames,
...                            rigidgroups_gt_exists, renamed_atom14_gt_positions,
...                            renamed_atom14_gt_exists, sidechain_atom_clamp_distance,sidechain_length_scale,
...                            pred_frames, pred_positions)
>>> print(sidechain_loss)
0.08569459