使用AlphaFold2進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測

前言

AlphaFold 2，是DeepMind公司的一個(gè)人工智能程序。2020年11月30日，該人工智能程序在蛋白質(zhì)結(jié)構(gòu)預(yù)測大賽CASP 14中，對大部分蛋白質(zhì)結(jié)構(gòu)的預(yù)測與真實(shí)結(jié)構(gòu)只差一個(gè)原子的寬度，達(dá)到了人類利用冷凍電子顯微鏡等復(fù)雜儀器觀察預(yù)測的水平，這是蛋白質(zhì)結(jié)構(gòu)預(yù)測史無前例的巨大進(jìn)步。這一重大成果雖然沒有引起媒體和廣大民眾的關(guān)注，但生物領(lǐng)域的科學(xué)家反應(yīng)強(qiáng)烈。

目前，AlphaFold2的源代碼已經(jīng)在GitHub上公開，而且現(xiàn)在科學(xué)家正在利用AlphaFold2對已有的蛋白數(shù)據(jù)庫進(jìn)行高通量的預(yù)測，建立了一些模式生物物種所有蛋白的AlphaFold2預(yù)測結(jié)構(gòu)數(shù)據(jù)庫。

可以看到，雖然利用AlphaFold2預(yù)測了這么多生物的數(shù)據(jù)庫，但是并未覆蓋所有的蛋白序列數(shù)據(jù)庫，所以只有搭建本地的AlphaFold2服務(wù)，你才能用AlphaFold2隨心所欲的預(yù)測自己研究蛋白的結(jié)構(gòu)。

接下來將給大家介紹AlphaFold2的使用方法，在北鯤云上免安裝使用。對于沒有Linux基礎(chǔ)或本地硬件配置不足的人，僅需1分鐘即可成功提交蛋白質(zhì)結(jié)構(gòu)預(yù)測任務(wù)，能夠省去很多麻煩。

二、在北鯤云使用AlphaFold2進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測

1. 選擇AlphaFold2

在“應(yīng)用中心”搜索AlphaFold2軟件并選中，在右側(cè)彈出的軟件詳情欄中點(diǎn)擊“提交作業(yè)”。

2. 選擇可視化模板提交

推薦選擇可視化“模板提交”的方式提交作業(yè)，平臺已為AlphaFold2內(nèi)置了幾個(gè)可視化模板，按要求填寫相應(yīng)參數(shù)即可提交預(yù)測任務(wù)。

3. 填寫模板參數(shù)，選擇硬件配置，提交任務(wù)

上傳序列文件（.fasta格式），選擇運(yùn)行模式（單體選擇monomer，多聚體選擇multimer）后即可點(diǎn)擊下一步：

選擇合適的GPU硬件配置后即可點(diǎn)擊下一步：

查看作業(yè)內(nèi)容匯總并提交任務(wù)：

4. 查看任務(wù)詳情與結(jié)果

所有通過“模板”提交的作業(yè)，都可以在左側(cè)菜單欄“作業(yè)管理”功能中查看或者管理作業(yè)：

對于有Linux基礎(chǔ)和本地硬件配置足夠的人，本地使用AlphaFold2進(jìn)行蛋白質(zhì)預(yù)測的方法如下。

1. 配置要求

硬盤至少要3T以上，AlphaFold2訓(xùn)練好的模型加數(shù)據(jù)庫下載下來是428 GB大小的文件，解壓后需要2.2T的空間。如果你用reduced_dbs（這個(gè)是簡化的數(shù)據(jù)庫），那么至少也得有600 GB的硬盤空間。

12個(gè)虛擬CPU

內(nèi)存85GB及以上

1個(gè)Nvidia A100 或者Nvidia V100 GPU卡

2. 下載程序需要的數(shù)據(jù)庫、程序和模型

首先你得在github上面把這個(gè)AlphaFold2項(xiàng)目（https://github.com/deepmind/alphafold）給下載到一個(gè)本地目錄，然后進(jìn)入scripts這個(gè)文件夾里面，運(yùn)行命令download_all_data.sh <下載目錄>，程序會自動(dòng)進(jìn)行下載。

這個(gè)過程大概會下載438GB的文件，得等待很長時(shí)間，如果斷網(wǎng)的話，你還得把其它的都刪掉，重新下載。不建議直接運(yùn)行這個(gè)主程序，可以利用多臺機(jī)器分個(gè)下載。當(dāng)然你也可以使用下載工具提前下載好，然后再拷貝到服務(wù)器上面去解壓。

除了pdb_mmcif 這個(gè)文件之外，其它的都是可以提前下載。為什么這個(gè)文件不行？因?yàn)閜db網(wǎng)站并沒有提供壓縮的mmcif數(shù)據(jù)庫文件，每個(gè)都是小文件，必須得用同步的方式把pdb服務(wù)器上面的數(shù)據(jù)庫同步到本地才行，這一步建議直接在安裝目錄上去操作單獨(dú)腳本下載，不然到時(shí)候拷貝和壓縮以及解壓要花大力氣，這個(gè)文件夾里面有足足18萬個(gè)cif文件。

下載完成解壓后關(guān)注每個(gè)文件夾文件大小和文件名是否與上面這張圖中列出來的一致。

注意事項(xiàng)：bfd文件夾和small_bfd這兩個(gè)文件夾是互斥的，大文件夾里面只留一個(gè)，bfd是完整的數(shù)據(jù)庫而small_bfd是簡化的數(shù)據(jù)庫。如果你的磁盤不夠，你就下后者，271.6 GB的bfd文件你就別下了。

3. 安裝Docker和NVIDIA Container Toolkit

3.1 安裝Docker

參考Docker官方教程

3.2 安裝NVIDIA Container Toolkit

參考NVIDIA官方教程

3.3 測試是否安裝成功

root權(quán)限運(yùn)行：

docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi

如果你看到如下圖的一個(gè)表格，證明你成功了。

4. 使用AlphaFold2

4.1 配置輸入輸出文件夾路徑

首先你得配置一下輸入和輸出目錄，打開docker文件夾下的run_docker.py腳本，然后把其中的DOWNLOAD_DIR參數(shù)改成fasta文件夾的輸入目錄，把output_dir后面改為輸出結(jié)果的路徑。

4.2 docker build

docker build -f docker/Dockerfile -t alphafold

4.3 安裝pythin虛擬環(huán)境

如果你使用python3，并且機(jī)器里面有pip3，你可以直接：

pip3 install -r docker/requirements.txt

4.4 運(yùn)行AlphaFold2

python3 docker/run_docker.py --fasta_paths=輸入序列文件完整路徑 --max_template_date=2020-05-14 --preset=[reduced_dbs、full_dbs、casp14]

fasta_paths：預(yù)測蛋白質(zhì)fasta文件的文件名

max_template_date：如果你預(yù)測蛋白在pdb里面，而你不想用這個(gè)pdb做模板，你就用這個(gè)日期來限制使用該pdb做模板，這個(gè)日期應(yīng)該早于這個(gè)蛋白結(jié)構(gòu)的release date

preset：時(shí)間和預(yù)測質(zhì)量的均衡考慮：reduced_dbs最快，但是質(zhì)量最差，full_dbs中等，casp14質(zhì)量最好但時(shí)間是full_dbs的八倍左右。

4.5 查看運(yùn)行結(jié)果

運(yùn)行結(jié)束后，在你的output_dir中會生成一系列文件，其中ranked_0到4就是AlphaFold2預(yù)測出來的分?jǐn)?shù)最高的五個(gè)模型，0是最好的，可信度依次往下。

審核編輯 黃昊宇