sample_init 方法
sample_init 是一个核心方法，用于初始化扩散采样的起始状态，包括坐标、序列、配体潜在能量等。以下是对其分步骤的详细解读：
方法目的
- 初始化扩散过程的输入特征（初始坐标和序列）。
- 配置采样所需的辅助模块，如
PotentialManager和去噪器。 - 解析输入数据并进行必要的处理（例如生成片段映射）。
方法返回
xt: 初始坐标，部分随机化。seq_t: 初始序列，其中部分残基被设置为未知标志（掩码）。
源代码：
def sample_init(self, return_forward_trajectory=False):
"""
Initial features to start the sampling process.
Modify signature and function body for different initialization
based on the config.
Returns:
xt: Starting positions with a portion of them randomly sampled.
seq_t: Starting sequence with a portion of them set to unknown.
"""
#######################
### Parse input pdb ###
#######################
self.target_feats = iu.process_target(self.inf_conf.input_pdb, parse_hetatom=True, center=False)
################################
### Generate specific contig ###
################################
# Generate a specific contig from the range of possibilities specified at input
self.contig_map = self.construct_contig(self.target_feats)
self.mappings = self.contig_map.get_mappings()
self.mask_seq = torch.from_numpy(self.contig_map.inpaint_seq)[None,:]
self.mask_str = torch.from_numpy(self.contig_map.inpaint_str)[None,:]
self.binderlen = len(self.contig_map.inpaint)
####################
### Get Hotspots ###
####################
self.hotspot_0idx=iu.get_idx0_hotspots(self.mappings, self.ppi_conf, self.binderlen)
#####################################
### Initialise Potentials Manager ###
#####################################
self.potential_manager = PotentialManager(self.potential_conf,
self.ppi_conf,
self.diffuser_conf,
self.inf_conf,
self.hotspot_0idx,
self.binderlen)
###################################
### Initialize other attributes ###
###################################
xyz_27 = self.target_feats['xyz_27']
mask_27 = self.target_feats['mask_27']
seq_orig = self.target_fe