AlphaFold2 蛋白质预测

使用诺贝尔奖级别的人工智能预测蛋白质结构 — 在 Clore.ai 上由 GPU 加速提供支持

AlphaFold2 由 DeepMind 开发，通过以原子级精度预测蛋白质三维结构，彻底改变了结构生物学。它已应用于超过 2 亿条蛋白质序列并获得 2024 年诺贝尔化学奖。运行 AlphaFold2 需要大量 GPU 内存和计算资源 — Clore.ai 提供负担得起的高端 GPU 访问。

GitHub： google-deepmind/alphafold — 13K+ ⭐

先决条件

具有足够余额的 Clore.ai 帐户
对 Linux 命令行有基本了解
以 FASTA 格式的目标蛋白序列
完整基因数据库约需 ~2.5TB 磁盘空间（或在测试时使用精简数据库）

为什么在 Clore.ai 上运行 AlphaFold2？

AlphaFold2 从 GPU 加速中获得巨大收益：

硬件

预测时间（典型蛋白 ~400 aa）

仅 CPU

6–24+ 小时

单个 A100 80GB

15–45 分钟

单个 RTX 4090

20–60 分钟

单个 RTX 3090

30–90 分钟

Clore.ai 以低于云提供商的价格提供 A100、RTX 4090 和 RTX 3090 节点，使大规模蛋白组学研究变得可及。

步骤 1 — 在 Clore.ai 上选择您的 GPU 租用

AlphaFold2 推荐的 GPU：

💡 本指南中的所有示例均可部署在 — 最适合大型蛋白（>700 aa）和多聚体预测
RTX 4090 24GB — 非常适合标准单体（<500 aa）
RTX 3090 24GB — 对较小蛋白具有成本效益

对于多聚体预测，强烈建议使用 40GB 以上的显存。

登录到 clore.ai 并转到市场
按 GPU 型号筛选（推荐 A100 或 RTX 4090）
确保服务器具备 至少 100GB 磁盘空间 （或完整数据库需 2.5TB）
选择一台服务器并点击租用

步骤 2 — 配置您的部署

在设置租用订单时，使用以下配置：

Docker 镜像：

nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu20.04

AlphaFold2 需要自定义的 Docker 设置。我们将在容器内从源码安装它。或者，使用社区镜像 catgumag/alphafold 或 merteroglu/alphafold2 该镜像已预先打包好运行环境。

需要暴露的端口：

环境变量：

NVIDIA_VISIBLE_DEVICES=all
NVIDIA_DRIVER_CAPABILITIES=compute,utility

最低资源：

CPU：8 核
内存：32GB（大型蛋白推荐 64GB）
磁盘：最低 100GB（完整数据库需 2.5TB）

步骤 3 — 通过 SSH 连接

实例启动后：

ssh root@<server-ip> -p <ssh-port>

验证是否能看到 GPU：

nvidia-smi

期望输出应显示您的 GPU（例如 A100 80GB SXM4）。

步骤 4 — 安装 AlphaFold2

选项 A：使用官方安装脚本

# 更新系统软件包
apt-get update && apt-get install -y \
    wget \
    git \
    python3-pip \
    python3-dev \
    aria2 \
    hmmer \
    kalign \
    hhsuite

# 安装 Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O miniconda.sh
bash miniconda.sh -b -p /opt/conda
export PATH="/opt/conda/bin:$PATH"

# 克隆 AlphaFold2
git clone https://github.com/google-deepmind/alphafold.git /opt/alphafold
cd /opt/alphafold

# 创建 conda 环境
conda env create -f environment.yml
conda activate alphafold

选项 B：使用 pip（更快的设置）

# 安装系统依赖项
apt-get update && apt-get install -y \
    wget curl git aria2 hmmer kalign

# 安装 hhsuite
conda install -c bioconda hhsuite

# 克隆并安装 AlphaFold2
git clone https://github.com/google-deepmind/alphafold.git /opt/alphafold
cd /opt/alphafold

pip install -r requirements.txt
pip install --upgrade "jax[cuda11_pip]" -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html

# 安装 AlphaFold 本体
python3 setup.py install

步骤 5 — 下载基因数据库

完整数据库下载约需 ~2.5TB 磁盘空间，可能需要 6–24 小时。 对于初始测试，请使用精简数据库（见下方“精简数据库”部分）。

完整数据库（生产使用）

cd /opt/alphafold

# 使用提供的脚本下载所有数据库
bash scripts/download_all_data.sh /data/alphafold_databases

这将下载：

BFD （~270GB）— 大型精彩数据库
UniRef90 （~58GB）— UniProt 参考簇
MGnify （~64GB）— 元基因组序列
PDB70 （~56GB）— 蛋白质数据银行代表性结构
PDB seqres （~0.2GB）
UniClust30 （~86GB）
Small BFD （~17GB）— 精简版

精简数据库（测试/开发）

在磁盘有限的情况下进行测试：

# 仅下载 small_bfd 和必要的数据库
bash scripts/download_small_bfd.sh /data/alphafold_databases
bash scripts/download_pdb70.sh /data/alphafold_databases
bash scripts/download_uniclust30.sh /data/alphafold_databases
bash scripts/download_uniref90.sh /data/alphafold_databases
bash scripts/download_mgnify.sh /data/alphafold_databases
bash scripts/download_pdb_seqres.sh /data/alphafold_databases
bash scripts/download_uniprot.sh /data/alphafold_databases

步骤 6 — 下载 AlphaFold 模型权重

# 为模型参数创建目录
mkdir -p /data/alphafold_databases/params

# 下载模型参数（约 3.5GB）
wget -q -P /data/alphafold_databases/params \
    https://storage.googleapis.com/alphafold/alphafold_params_2022-12-06.tar

# 解压
tar -xf /data/alphafold_databases/params/alphafold_params_2022-12-06.tar \
    -C /data/alphafold_databases/params

步骤 7 — 准备输入序列

创建包含目标蛋白序列的 FASTA 文件：

cat > /tmp/target_protein.fasta << 'EOF'
>my_protein
MKTLLLTLVVVTIVCLDLGAVGNGSGLKCRQTGSCVHFPKDLQALPKDDTASDLNRSLDAEAFKAFQRLAENFNATEYRDIQNFNNKIQHSLEELAKKLDEKLAKLKEKLKQLEN
EOF

FASTA 格式提示：

标题行以开头 >
序列应仅包含标准氨基酸字母（ACDEFGHIKLMNPQRSTVWY）
移除任何缺口或非标准字符
对于多聚体预测，请用分开的标题包含所有链

步骤 8 — 运行 AlphaFold2

单体预测（单链）

cd /opt/alphafold

python3 run_alphafold.py \
    --fasta_paths=/tmp/target_protein.fasta \
    --max_template_date=2022-01-01 \
    --model_preset=monomer \
    --db_preset=full_dbs \
    --data_dir=/data/alphafold_databases \
    --output_dir=/tmp/alphafold_output \
    --uniref90_database_path=/data/alphafold_databases/uniref90/uniref90.fasta \
    --mgnify_database_path=/data/alphafold_databases/mgnify/mgy_clusters_2022_05.fa \
    --template_mmcif_dir=/data/alphafold_databases/pdb_mmcif/mmcif_files \
    --obsolete_pdbs_path=/data/alphafold_databases/pdb_mmcif/obsolete.dat \
    --pdb70_database_path=/data/alphafold_databases/pdb70/pdb70 \
    --bfd_database_path=/data/alphafold_databases/bfd/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt \
    --uniclust30_database_path=/data/alphafold_databases/uniclust30/uniclust30_2018_08/uniclust30_2018_08 \
    --use_gpu_relax=True

多聚体预测（蛋白复合体）

python3 run_alphafold.py \
    --fasta_paths=/tmp/complex.fasta \
    --max_template_date=2022-01-01 \
    --model_preset=multimer \
    --db_preset=full_dbs \
    --data_dir=/data/alphafold_databases \
    --output_dir=/tmp/alphafold_output \
    --uniref90_database_path=/data/alphafold_databases/uniref90/uniref90.fasta \
    --mgnify_database_path=/data/alphafold_databases/mgnify/mgy_clusters_2022_05.fa \
    --template_mmcif_dir=/data/alphafold_databases/pdb_mmcif/mmcif_files \
    --obsolete_pdbs_path=/data/alphafold_databases/pdb_mmcif/obsolete.dat \
    --uniprot_database_path=/data/alphafold_databases/uniprot/uniprot.fasta \
    --pdb_seqres_database_path=/data/alphafold_databases/pdb_seqres/pdb_seqres.txt \
    --use_gpu_relax=True

步骤 9 — 了解输出文件

AlphaFold2 会为每次预测生成多个输出文件：

/tmp/alphafold_output/my_protein/
├── ranked_0.pdb          # 最佳预测结构
├── ranked_1.pdb          # 次佳预测
├── ranked_2.pdb
├── ranked_3.pdb
├── ranked_4.pdb
├── result_model_1.pkl    # 完整预测数据（pickle）
├── result_model_2.pkl
├── ...
├── msas/                 # 多序列比对
│   ├── bfd_uniclust_hits.a3m
│   ├── mgnify_hits.sto
│   └── uniref90_hits.sto
└── timings.json          # 运行时间分解

结果解读：

ranked_0.pdb 是您的最佳结构 — 在 PyMOL、ChimeraX 或 UCSF Chimera 中打开查看
pLDDT 得分 （0–100）：按残基的置信度。>90 = 非常高，70–90 = 良好，50–70 = 较低，<50 = 无序
PAE（预测对齐误差） 图显示域间的置信度

步骤 10 — 可视化结果

将 PDB 文件下载到本地机器

# 从本地机器：
scp -P <ssh-port> root@<server-ip>:/tmp/alphafold_output/my_protein/ranked_0.pdb ./

# 或使用 rsync 获取完整输出目录：
rsync -avz -e "ssh -p <ssh-port>" \
    root@<server-ip>:/tmp/alphafold_output/ \
    ./alphafold_results/

在本地用 PyMOL 可视化

# 在 PyMOL 中：
load ranked_0.pdb
spectrum b, blue_white_red, minimum=0, maximum=100
# 根据 pLDDT 得分着色（存储在 B-factor 列）

快速 pLDDT 分析

import numpy as np

# 从 PDB 解析 B-factor（pLDDT）
plddt_scores = []
with open('ranked_0.pdb', 'r') as f:
    for line in f:
        if line.startswith('ATOM'):
            plddt = float(line[60:66].strip())
            plddt_scores.append(plddt)

print(f"Mean pLDDT: {np.mean(plddt_scores):.1f}")
print(f"Residues >90 pLDDT: {sum(s > 90 for s in plddt_scores)}/{len(plddt_scores)}")

使用 ColabFold（更快的替代方案）

ColabFold 是一个更快的 AlphaFold2 实现，使用 MMseqs2 进行 MSA 生成：

pip install colabfold[alphafold]

# 运行预测（MSA 步骤更快）
colabfold_batch /tmp/target_protein.fasta /tmp/colabfold_output \
    --num-recycle 3 \
    --use-gpu-relax

ColabFold 通常比原始 AlphaFold2 流水线快 10–40 倍， 这要归功于 MMseqs2 的 MSA 服务。非常适合迭代研究工作流程。

故障排除

CUDA 内存不足（Out of Memory）

# 降低模型复杂度或使用统一内存
export XLA_PYTHON_CLIENT_ALLOCATOR=platform
export XLA_PYTHON_CLIENT_MEM_FRACTION=0.85

# 或使用减少的回收次数运行
--num_multimer_predictions_per_model 1

HHblits / Jackhmmer 错误

# 确保 hhsuite 已正确安装
which hhblits
hhblits --version

# 如有需要，重新安装
conda install -c bioconda hhsuite -y

数据库下载失败

# 使用 aria2 恢复中断的下载
aria2c -c -x 16 -s 16 <database-url> -d /data/alphafold_databases/

JAX/CUDA 兼容性问题

# 检查 JAX 是否能看到 GPU
python3 -c "import jax; print(jax.devices())"

# 以正确的 CUDA 版本重新安装 JAX
pip install --upgrade "jax[cuda11_pip]" \
    -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html

1. 使用 SDXL-Turbo 或 SDXL-Lightning 以实现快速生成

优化您的 AlphaFold2 运行：

使用 ColabFold 以加快 MSA 生成（提升 10–40 倍）
设置 --num-recycle 1 用于快速筛选，最终预测可使用 3
使用 --db_preset=reduced_dbs 用于探索性工作
将多个序列批量放入 同一个 FASTA 文件以提高流水线运行效率
启用 GPU 放松（relax） (--use_gpu_relax=True）— 比 CPU 放松快得多

Clore.ai 上的成本估算

场景

GPU

预计时间

预计成本

单个蛋白（~300 aa）

RTX 3090

1–2 小时

~$0.30–0.60

单个蛋白（~500 aa）

RTX 4090

45–90 分钟

~$0.40–0.80

多聚体复合体

💡 本指南中的所有示例均可部署在

2–4 小时

~$1.50–3.00

蛋白组筛查（100 个蛋白）

💡 本指南中的所有示例均可部署在

8–12 小时

~$6–10

费用为估算值，取决于当前市场定价。

其他资源

AlphaFold2 GitHub
AlphaFold 数据库 — 预计算的超过 2 亿条蛋白结构
ColabFold GitHub
DeepMind AlphaFold 博客
OpenFold — 可训练的 PyTorch 重新实现
ESMFold — Meta 的更快替代方案

本指南涵盖在 Clore.ai GPU 租用上部署 AlphaFold2。如需最新的 AlphaFold3，请参见单独的 AlphaFold3 指南。

Clore.ai 的 GPU 建议

在 Clore.ai 上的预估费用

开发/测试

RTX 3090（24GB）

~$0.12/每 GPU/每小时

生产

RTX 4090（24GB）

标准蛋白

大规模

A100 80GB

大分子 / 多聚体

💡 本指南中的所有示例均可部署在

Clore.ai

GPU 服务器上。浏览可用 GPU 并按小时租用 — 无需承诺，提供完整的 root 访问权限。 Clore.ai GPU 服务器。浏览可用 GPU 并按小时租用 — 无需承诺，提供完整的 root 访问权限。

上一页概览下一页ESMFold 蛋白质结构

最后更新于17天前

这有帮助吗？

hashtag先决条件

hashtag为什么在 Clore.ai 上运行 AlphaFold2？

hashtag步骤 1 — 在 Clore.ai 上选择您的 GPU 租用

hashtag步骤 2 — 配置您的部署

hashtag步骤 3 — 通过 SSH 连接

hashtag步骤 4 — 安装 AlphaFold2

hashtag选项 A：使用官方安装脚本

hashtag选项 B：使用 pip（更快的设置）

hashtag步骤 5 — 下载基因数据库

hashtag完整数据库（生产使用）

hashtag精简数据库（测试/开发）

hashtag步骤 6 — 下载 AlphaFold 模型权重

hashtag步骤 7 — 准备输入序列

hashtag步骤 8 — 运行 AlphaFold2

hashtag单体预测（单链）

hashtag多聚体预测（蛋白复合体）

hashtag步骤 9 — 了解输出文件

hashtag步骤 10 — 可视化结果

hashtag将 PDB 文件下载到本地机器

hashtag在本地用 PyMOL 可视化

hashtag快速 pLDDT 分析

hashtag使用 ColabFold（更快的替代方案）

hashtag故障排除

hashtagCUDA 内存不足（Out of Memory）

hashtagHHblits / Jackhmmer 错误

hashtag数据库下载失败

hashtagJAX/CUDA 兼容性问题

hashtag1. 使用 SDXL-Turbo 或 SDXL-Lightning 以实现快速生成

hashtagClore.ai 上的成本估算

hashtag其他资源

hashtagClore.ai 的 GPU 建议

先决条件

为什么在 Clore.ai 上运行 AlphaFold2？

步骤 1 — 在 Clore.ai 上选择您的 GPU 租用

步骤 2 — 配置您的部署

步骤 3 — 通过 SSH 连接

步骤 4 — 安装 AlphaFold2

选项 A：使用官方安装脚本

选项 B：使用 pip（更快的设置）

步骤 5 — 下载基因数据库

完整数据库（生产使用）

精简数据库（测试/开发）

步骤 6 — 下载 AlphaFold 模型权重

步骤 7 — 准备输入序列

步骤 8 — 运行 AlphaFold2

单体预测（单链）

多聚体预测（蛋白复合体）

步骤 9 — 了解输出文件

步骤 10 — 可视化结果

将 PDB 文件下载到本地机器

在本地用 PyMOL 可视化

快速 pLDDT 分析

使用 ColabFold（更快的替代方案）

故障排除

CUDA 内存不足（Out of Memory）

HHblits / Jackhmmer 错误

数据库下载失败

JAX/CUDA 兼容性问题

1. 使用 SDXL-Turbo 或 SDXL-Lightning 以实现快速生成

Clore.ai 上的成本估算

其他资源

Clore.ai 的 GPU 建议