Enzoria

Enzoria 是这个仓库统一使用的项目名称。仓库主要用于酶相关序列、结构、文本三模态建模实验，以及 ESIBank 数据集上的功能二分类微调。

项目概览

• 训练入口：train_esi_function.py
• 核心代码：Enzoria/
• 数据目录：dataset/
• 结果输出：result/
• 论文资料：论文/

当前训练脚本会顺序遍历 4 种数据划分：

• all_split
• enzyme_split
• random_split
• reaction_split

目录结构

.
|-- train_esi_function.py
|-- dataset/
|   |-- ESIbank/
|   |-- PAIR/
|   `-- PDBbind/
|-- Enzoria/
|   |-- model/
|   |-- demo/
|   |-- scripts/
|   |-- requirements.txt
|   `-- weights/
|-- result/
|-- docs/plans/
`-- 论文/

环境准备

建议使用 Python 3.10 和独立 conda 环境。

conda create -n enzoria python=3.10 -y
conda activate enzoria
pip install -r Enzoria/requirements.txt
pip install pandas numpy scipy matplotlib tqdm openpyxl

如果你使用 GPU 版 FAISS，可以继续安装：

conda install pytorch::faiss-gpu=1.8.0 -y

权重目录

训练脚本默认从下面的目录读取模型权重：

Enzoria/weights/Enzoria_650M/

默认配置会查找：

• esm2_t33_650M_UR50D/
• BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext/
• foldseek_t30_150M/
• Enzoria_650M.pt

数据准备

训练脚本默认读取：

dataset/ESIbank/processed_splits/

当前仓库中保存了四个划分压缩包，需要先解压到上面的目录：

• dataset/ESIbank/all_split-20251014T071615Z-1-001.zip
• dataset/ESIbank/enzyme_split-20251014T071617Z-1-001.zip
• dataset/ESIbank/random_split-20251014T071619Z-1-001.zip
• dataset/ESIbank/reaction_split-20251014T071620Z-1-001.zip

解压后的结构应类似：

dataset/ESIbank/processed_splits/
|-- all_split/
|-- enzyme_split/
|-- random_split/
`-- reaction_split/

PowerShell 示例：

New-Item -ItemType Directory -Force -Path dataset/ESIbank/processed_splits
Expand-Archive dataset/ESIbank/all_split-20251014T071615Z-1-001.zip dataset/ESIbank/processed_splits -Force
Expand-Archive dataset/ESIbank/enzyme_split-20251014T071617Z-1-001.zip dataset/ESIbank/processed_splits -Force
Expand-Archive dataset/ESIbank/random_split-20251014T071619Z-1-001.zip dataset/ESIbank/processed_splits -Force
Expand-Archive dataset/ESIbank/reaction_split-20251014T071620Z-1-001.zip dataset/ESIbank/processed_splits -Force

运行训练

python train_esi_function.py

默认配置会使用序列、结构、文本三种输入，并对四种 split 依次完成训练、验证和测试。

结果输出

训练结果保存在：

result/<split_type>/run_<timestamp>/

常见输出包括：

• logs/training_config.json
• logs/batch_history.json
• logs/epoch_history.json
• logs/training_summary.json
• checkpoints/best_model.pt
• plots/metrics_curves.png