FEgrow

概览

FEgrow 是一种分子设计工作流，用于在蛋白质结合口袋中构建用户定义的同系配体系列。README 将早期的 FEgrow (1.*) 工作流描述为为后续自由能计算准备配体，而不是将 FEgrow 本身作为完整的自由能计算引擎。其所述起始条件是用户定义的配体系列和蛋白质结合口袋；预期输出是构建完成、供后续准备和计算使用的配体结构。来源摘录未说明接受的结构文件格式或导出的产物。

README 介绍 FEgrow 2.0.0 新增了主动学习，以及通过 Dask 在多个 CPU、节点或集群上实现加速的功能。README 指引用户查看涵盖基础交互式分子设计、chemspace 功能和用于抑制剂设计的主动学习的笔记本。这些示例展示了 FEgrow 在动手进行配体扩展和化合物优先级排序工作流中的用途。主动学习笔记本关联到一项 2024 年的 ChemRxiv 研究，该研究涉及针对 SARS-CoV-2 主蛋白酶的按需库；另一个独立的仓库包含用于生成该研究图 2–6 的脚本。

链接的文档是所述的安装说明和更完整工作流详情的查阅入口。摘录未提供数值加速结果、预测准确度测量值或兼容性矩阵，因此，对于特定靶点、计算环境或下游自由能软件包是否适用，仍需进行评估。所提供仓库采用 MIT 许可证；这一结论针对仓库代码，不涉及独立链接的数据集或其他资源。

主要功能

• 在蛋白质结合口袋中交互式构建用户定义的同系配体系列。
• 用于构建配体的工作流，旨在为下游自由能计算提供结构。
• README 的 FEgrow 2.0.0 部分介绍了主动学习功能，并提供抑制剂设计笔记本示例。
• 说明了基于 Dask 的加速，可用于多 CPU、多节点和集群执行。
• 提供涵盖基础交互式分子设计和 chemspace 功能的教程笔记本。

使用场景

• 建议评估：为选定的蛋白质口袋构建同系配体系列，并评估生成的结构是否适用于现有的自由能准备工作流。
• 建议评估：使用 chemspace 教程，探索 FEgrow 文档所述功能如何支持分子设计项目。
• 建议评估：将抑制剂设计主动学习示例作为化合物优先级排序的起点，但不要假定其结果可迁移到其他靶点。
• 建议评估：在规划更大规模的分子设计工作负载前，先评估基于 Dask 的执行方式是否适用于选定的计算环境。

使用方式

1. 阅读仓库 README，区分早期的配体构建工作流与 FEgrow 2.0.0 部分所述的主动学习和加速新增功能。
2. 按照官方文档中的安装说明进行操作。请以这些说明为准了解环境要求，不要根据简短的源摘录推断命令或兼容性。
3. 从教程文件夹中的基础交互式分子设计示例开始。先使用笔记本确认所需输入并检查其输出，再将其调整用于蛋白质口袋项目。
4. 接着查看同一文件夹中的 chemspace 和抑制剂设计笔记本。将其应用于新靶点或化合物库视为需要评估的事项，而非已确立的结果。
5. 如需了解研究背景，请参阅链接的主动学习研究和图表脚本仓库。此外，还需针对预期工作流，单独评估下游自由能计算的要求和 Dask 执行需求。