Skip to main content

AlphaFold 3

/fs00/software/alphafold/3.0.0/AlphaFold-v3.0.0.sif

0. 基本信息

alphafold3是Google DeepMind开发的、用于生物分子复合体结构预测的人工智能模型，该模型接受一个json形式的、用于描述生物分子体系的文件，运行输出预测结构与置信度打分信息。结构预测过程主要分为两步：

  • data pipeline: 在一定参数控制下，基于输入的序列信息进行生物信息学搜索，得到结构预测所需的共进化信息 (multi-sequence alginment, msa) 与结构模板 (templates)，并将这些信息与输入信息整合，将整合信息作为json文件输出
  • inference: 读取整合入msa和templates的json文件，转化为模型输入特征进行推理，输出mmcif格式的预测结构与confidence score

此处部署的是基于官方github库打包的apptainer容器。容器内包含alphafold3程序本体和依赖，不包含程序运行所需的数据库与预训练权重——这些需要在运行时以命令行参数传入。集群上部署有生信搜索所需数据库，模型权重的使用受term of use控制，请自行向Google DeepMind申请。

1. 使用方法

为避免冗长的路径和指令重复出现，定义变量

path_to_af3db="/bbfs/data/alphafold/3"
path_to_af3container="/fs00/software/alphafold/3.0.0/AlphaFold-v3.0.0.sif "

host_iopath=</path/to/your/input/and/output>
path_to_params=<path/to/directory/containing/your/af3-weights>

RUN_ALPHAFOLD="apptainer run --nv --bind \
   ${path_to_af3db}:/databases,${host_iopath}:/host_iopath \
   ${path_to_af3container} python run_alphafold.py"

本页面后续出现的指令均默认在有这些变量的环境下运行。其中${path_to_af3db}是集群上alphafold3数据库地址，${host_iopath}是默认输入输出

设输入文件为${host_iopath}路径下的input.json文件，输入文件，如下指令可使用alphafold3预测此文件描述体系的结构

${RUN_ALPHAFOLD} \
  --db_dir=/databases/ \
  --json_path=/host_iopath/input.json \
  --output_dir=/host_iopath/ \
  --model_dir=/host_iopath/params/

2. 分别运行data pipeline与inference

3. 其他命令行参数说明

4. 队列兼容性、测试中的运行耗时

5. 运行结果准确性评估

Back to top