معرفی شرکت ها
AdaptivePELE-1.7.1
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Enhanced sampling of molecular simulations
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | AdaptivePELE-1.7.1 |
| نام | AdaptivePELE |
| نسخه کتابخانه | 1.7.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Daniel Lecina, Joan Francesc Gilabert |
| ایمیل نویسنده | danilecina@gmail.com, cescgina@gmail.com |
| آدرس صفحه اصلی | https://github.com/AdaptivePELE/AdaptivePELE |
| آدرس اینترنتی | https://pypi.org/project/AdaptivePELE/ |
| مجوز | - |
============
AdaptivePELE
============
|MIT license| |GitHub release| |PyPI release| |Conda release| |DOI|
AdaptivePELE is a Python module to perform enhancing sampling of molecular
simulation built around the Protein Energy Landscape Exploration method (`PELE <https://pele.bsc.es/pele.wt>`_) developed in the Electronic and Atomic Protein Modelling grop (`EAPM <https://www.bsc.es/discover-bsc/organisation/scientific-structure/electronic-and-atomic-protein-modeling-eapm>`_) at the Barcelona Supercomputing Center (`BSC <https://www.bsc.es>`_).
Usage
-----
AdaptivePELE is called with a control file as input
parameter. The control file is a json document that contains 4 sections:
general parameters, simulation parameters, clustering parameters and spawning
parameters. The first block refers to general parameters of the adaptive run,
while the other three blocks configure the three steps of an adaptive sampling
run, first run a propagation algorithm (simulation), then cluster the
trajectories obtained (clustering) and finally select the best point to start
the next iteration (spawning).
An example of usage::
python -m AdaptivePELE.adaptiveSampling controlFile.conf
Installation
------------
There are two methods to install AdaptivePELE, from repositories, either PyPI or Conda (recommended), or directly from source.
To install from PyPI simply run::
pip install AdaptivePELE
To install from Conda simply run::
conda install -c nostrumbiodiscovery -c conda-forge adaptive_pele
To install from source, you need to install and compile cython files in the base folder with::
git clone https://github.com/AdaptivePELE/AdaptivePELE.git
cd AdaptivePELE
python setup.py build_ext --inplace
Also, if AdaptivePELE was not installed in a typical library directory, a common option is to add it to your local PYTHONPATH::
export PYTHONPATH="/location/of/AdaptivePELE:$PYTHONPATH"
Documentation
-------------
The documentation for AdaptivePELE can be found `here <https://adaptivepele.github.io/AdaptivePELE/>`_
Contributors
------------
`Daniel Lecina <https://github.com/lecina>`_, `Joan Francesc Gilabert <https://github.com/cescgina>`_, `Oriol Gracia <https://github.com/OriolGraCar>`_, `Daniel Soler <https://github.com/danielSoler93>`_
Mantainer
---------
Joan Francesc Gilabert (cescgina@gmail.com)
Citation
--------
AdaptivePELE is research software. If you make use of AdaptivePELE in scientific publications, please cite it. The BibTeX reference is::
@article{Lecina2017,
author = {Lecina, Daniel and Gilabert, Joan Francesc and Guallar, Victor},
doi = {10.1038/s41598-017-08445-5},
issn = {2045-2322},
journal = {Scientific Reports},
number = {1},
pages = {8466},
pmid = {28814780},
title = {{Adaptive simulations, towards interactive protein-ligand modeling}},
url = {http://www.nature.com/articles/s41598-017-08445-5},
volume = {7},
year = {2017}
}
.. |MIT license| image:: https://img.shields.io/badge/License-MIT-blue.svg
:target: https://lbesson.mit-license.org/
.. |GitHub release| image:: https://img.shields.io/github/release/AdaptivePELE/AdaptivePELE.svg
:target: https://github.com/AdaptivePELE/AdaptivePELE/releases/
.. |PyPI release| image:: https://img.shields.io/pypi/v/AdaptivePELE.svg
:target: https://pypi.org/project/AdaptivePELE/
.. |DOI| image:: https://zenodo.org/badge/DOI/10.1038/s41598-017-08445-5.svg
:target: https://doi.org/10.1038/s41598-017-08445-5
.. |Conda release| image:: https://anaconda.org/nostrumbiodiscovery/adaptive_pele/badges/version.svg
:target: https://anaconda.org/NostrumBioDiscovery/adaptive_pele
نحوه نصب
نصب پکیج whl AdaptivePELE-1.7.1:
pip install AdaptivePELE-1.7.1.whl
نصب پکیج tar.gz AdaptivePELE-1.7.1:
pip install AdaptivePELE-1.7.1.tar.gz