# 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](https://github.com/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 {% hint style="info" %} **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。 {% endhint %} 1. 登录到 [clore.ai](https://clore.ai) 并转到 **市场** 2. 按 GPU 型号筛选（推荐 A100 或 RTX 4090） 3. 确保服务器具备 **至少 100GB 磁盘空间** （或完整数据库需 2.5TB） 4. 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 ``` {% hint style="warning" %} 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。 {% endhint %} **需要暴露的端口：** ``` 22 ``` **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： ```bash ssh root@ -p ``` 验证是否能看到 GPU： ```bash 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 ```bash # 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） ```bash # 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 {% hint style="warning" %} **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）。 {% endhint %} ### 完整数据库（生产使用） ```bash 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： ```bash # 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 ```bash # 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： ```bash cat > /tmp/target_protein.fasta << 'EOF' >my_protein MKTLLLTLVVVTIVCLDLGAVGNGSGLKCRQTGSCVHFPKDLQALPKDDTASDLNRSLDAEAFKAFQRLAENFNATEYRDIQNFNNKIQHSLEELAKKLDEKLAKLKEKLKQLEN EOF ``` {% hint style="info" %} **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 {% endhint %} *** ## 步骤 8 — 运行 AlphaFold2 ### 单体预测（单链） ```bash 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） ```bash 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 ``` {% hint style="info" %} **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 {% endhint %} *** ## 步骤 10 — 可视化结果 ### 将 PDB 文件下载到本地机器 ```bash # 从本地机器： scp -P root@:/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 " \ root@:/tmp/alphafold_output/ \ ./alphafold_results/ ``` ### 在本地用 PyMOL 可视化 ```python # 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 ```python 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： ```bash 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 ``` {% hint style="success" %} **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。 {% endhint %} *** ## 故障排除 ### CUDA 内存不足（Out of Memory） ```bash # 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 ```bash # 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 ```bash # 使用 aria2 恢复中断的下载 aria2c -c -x 16 -s 16 -d /data/alphafold_databases/ ``` ### JAX/CUDA 兼容性问题 ```bash # 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 {% hint style="success" %} **优化您的 AlphaFold2 运行：** 1. **使用 ColabFold** 以加快 MSA 生成（提升 10–40 倍） 2. **设置 `--num-recycle 1`** 用于快速筛选，最终预测可使用 3 3. **使用 `--db_preset=reduced_dbs`** 用于探索性工作 4. **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 5. **启用 GPU 放松（relax）** (`--use_gpu_relax=True`）— 比 CPU 放松快得多 {% endhint %} *** ## 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](https://github.com/google-deepmind/alphafold) * [AlphaFold 数据库](https://alphafold.ebi.ac.uk/) — 预计算的超过 2 亿条蛋白结构 * [ColabFold GitHub](https://github.com/sokrypton/ColabFold) * [DeepMind AlphaFold 博客](https://www.deepmind.com/research/highlighted-research/alphafold) * [OpenFold](https://github.com/aqlaboratory/openfold) — 可训练的 PyTorch 重新实现 * [ESMFold](https://github.com/facebookresearch/esm) — 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](https://clore.ai/marketplace) 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。