使用AlphaFold2进行蛋白质结构预测

深圳北鲲云计算有限公司 2022年11月7日浏览：1708

前言

AlphaFold 2，是DeepMind公司的一个人工智能程序。2020年11月30日，该人工智能程序在蛋白质结构预测大赛CASP 14中，对大部分蛋白质结构的预测与真实结构只差一个原子的宽度，达到了人类利用冷冻电子显微镜等复杂仪器观察预测的水平，这是蛋白质结构预测史无前例的巨大进步。这一重大成果虽然没有引起媒体和广大民众的关注，但生物领域的科学家反应强烈。

目前，AlphaFold2的源代码已经在GitHub上公开，而且现在科学家正在利用AlphaFold2对已有的蛋白数据库进行高通量的预测，建立了一些模式生物物种所有蛋白的AlphaFold2预测结构数据库（https://alphafold.ebi.ac.uk/）。

可以看到，虽然利用AlphaFold2预测了这么多生物的数据库，但是并未覆盖所有的蛋白序列数据库，所以只有搭建本地的AlphaFold2服务，你才能用AlphaFold2随心所欲的预测自己研究蛋白的结构。

接下来将给大家介绍AlphaFold2的使用方法，在北鲲云上免安装使用。对于没有Linux基础或本地硬件配置不足的人，仅需1分钟即可成功提交蛋白质结构预测任务，能够省去很多麻烦。

二、在北鲲云使用AlphaFold2进行蛋白质结构预测

1. 选择AlphaFold2

在“应用中心”搜索AlphaFold2软件并选中，在右侧弹出的软件详情栏中点击“提交作业”。

2. 选择可视化模板提交

推荐选择可视化“模板提交”的方式提交作业，平台已为AlphaFold2内置了几个可视化模板，按要求填写相应参数即可提交预测任务。

3. 填写模板参数，选择硬件配置，提交任务

上传序列文件（.fasta格式），选择运行模式（单体选择monomer，多聚体选择multimer）后即可点击下一步：

选择合适的GPU硬件配置后即可点击下一步：

查看作业内容汇总并提交任务：

4. 查看任务详情与结果

所有通过“模板”提交的作业，都可以在左侧菜单栏“作业管理”功能中查看或者管理作业：

对于有Linux基础和本地硬件配置足够的人，本地使用AlphaFold2进行蛋白质预测的方法如下。

1. 配置要求

硬盘至少要3T以上，AlphaFold2训练好的模型加数据库下载下来是428 GB大小的文件，解压后需要2.2T的空间。如果你用reduced_dbs（这个是简化的数据库），那么至少也得有600 GB的硬盘空间。
12个虚拟CPU
内存85GB及以上
1个Nvidia A100 或者Nvidia V100 GPU卡

2. 下载程序需要的数据库、程序和模型

首先你得在github上面把这个AlphaFold2项目（https://github.com/deepmind/alphafold）给下载到一个本地目录，然后进入scripts这个文件夹里面，运行命令download_all_data.sh <下载目录>，程序会自动进行下载。

这个过程大概会下载438GB的文件，得等待很长时间，如果断网的话，你还得把其它的都删掉，重新下载。不建议直接运行这个主程序，可以利用多台机器分个下载。当然你也可以使用下载工具提前下载好，然后再拷贝到服务器上面去解压。

除了pdb_mmcif 这个文件之外，其它的都是可以提前下载。为什么这个文件不行？因为pdb网站并没有提供压缩的mmcif数据库文件，每个都是小文件，必须得用同步的方式把pdb服务器上面的数据库同步到本地才行，这一步建议直接在安装目录上去操作单独脚本下载，不然到时候拷贝和压缩以及解压要花大力气，这个文件夹里面有足足18万个cif文件。