AlphaFold

本软件包提供了 AlphaFold v2 推理流程的实现。为简便起见，在本文档的其余部分中，我们将该模型简称为 AlphaFold。

我们还提供：

1. AlphaFold-Multimer 的实现。这仍处于开发阶段，因此 AlphaFold-Multimer 的稳定性预计不如我们的单体 AlphaFold 系统。请参阅更新现有安装指南，了解如何升级和更新代码。
2. 技术说明，其中包含更新后的 AlphaFold v2.3.0 模型及推理流程。
3. 一套CASP15 基线预测，以及对任何人工干预操作的说明文档。

任何披露使用本源代码或模型参数所得成果的出版物，均应引用《AlphaFold 论文》（https://doi.org/10.1038/s41586-021-03819-2），并在适用时引用《AlphaFold-Multimer 论文》（https://www.biorxiv.org/content/10.1101/2021.10.04.463034v1）。

此外，请参阅补充信息，以获取方法的详细描述。

您也可以使用社区支持版本中的简化版 AlphaFold（见下文）。

如有任何疑问，请联系 AlphaFold 团队：alphafold@deepmind.com。

安装与首次运行预测

您需要一台运行 Linux 的机器；AlphaFold 不支持其他操作系统。完整安装需要最多 3 TB 的磁盘空间来存储遗传数据库（建议使用 SSD 存储），并配备现代 NVIDIA GPU（具有更大显存的 GPU 可以预测更大的蛋白质结构）。

请按照以下步骤操作：

1. 安装 Docker。

   • 安装NVIDIA Container Toolkit，以支持 GPU。
   • 设置以非 root 用户身份运行 Docker：非 root 用户管理 Docker。

2. 克隆此仓库并进入该目录。

   git clone https://github.com/deepmind/alphafold.git
   cd ./alphafold
   

3. 下载遗传数据库和模型参数：

   • 安装 aria2c。在大多数 Linux 发行版中，可通过包管理器以 aria2 软件包的形式获得（例如，在基于 Debian 的发行版上，可运行 sudo apt install aria2 进行安装）。rsync 同理。

   • 请使用脚本 scripts/download_all_data.sh 来下载并设置完整的数据库。这可能需要较长时间（下载大小为 556 GB），因此建议在后台运行该脚本：

   scripts/download_all_data.sh <DOWNLOAD_DIR> > download.log 2> download_all.log &
   

   • 注意：下载目录 <DOWNLOAD_DIR> 不应位于 AlphaFold 仓库目录的子目录中。 如果是，则 Docker 构建过程会非常缓慢，因为大型数据库会被复制到 Docker 构建上下文中。

   • 也可以使用精简版数据库运行 AlphaFold；请参阅完整文档。

4. 通过运行以下命令检查 AlphaFold 是否能够使用 GPU：

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

   该命令的输出应显示您的 GPU 列表。如果未显示，请检查是否已正确完成NVIDIA Container Toolkit的安装步骤，或查看以下NVIDIA Docker 问题。

   如果您希望在 HPC 系统上使用 Singularity（一种常见的容器化平台）运行 AlphaFold，建议参考以下链接中的第三方 Singularity 配置：https://github.com/deepmind/alphafold/issues/10 或 https://github.com/deepmind/alphafold/issues/24。

5. 构建 Docker 镜像：

   docker build -f docker/Dockerfile -t alphafold .
   

   如果遇到以下错误：

   W: GPG 错误：https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 InRelease：以下签名无法验证，因为公钥不可用：NO_PUBKEY A4B469963BF863CC
   E: 存储库 'https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 InRelease' 未签名。
   

   请使用 https://github.com/deepmind/alphafold/issues/463#issuecomment-1124881779 中描述的解决方法。

6. 安装 run_docker.py 的依赖项。注意：您可以选择创建一个Python 虚拟环境，以避免与系统 Python 环境发生冲突。

   pip3 install -r docker/requirements.txt
   

7. 确保输出目录存在（默认为 /tmp/alphafold），并且您拥有写入该目录的权限。

8. 运行 run_docker.py，指定包含您希望预测结构的蛋白质序列的 FASTA 文件（--fasta_paths 参数）。AlphaFold 将在 --max_template_date 参数指定的日期之前搜索可用模板；这可用于在建模过程中排除某些模板。--data_dir 是下载的遗传数据库所在目录，而 --output_dir 是输出目录的绝对路径。

   python3 docker/run_docker.py \
     --fasta_paths=your_protein.fasta \
     --max_template_date=2022-01-01 \
     --data_dir=$DOWNLOAD_DIR \
     --output_dir=/home/user/absolute_path_to_the_output_dir
   

9. 运行完成后，输出目录将包含目标蛋白质的预测结构。有关更多选项和故障排除提示，请参阅下方文档。

遗传数据库

此步骤要求您的机器上已安装 aria2c。

AlphaFold 运行需要多个遗传（序列）数据库：

• BFD，
• MGnify，
• PDB70，
• PDB（mmCIF 格式的结构文件），
• PDB seqres——仅用于 AlphaFold-Multimer，
• UniRef30（原 UniClust30），
• UniProt——仅用于 AlphaFold-Multimer，
• UniRef90。

我们提供了一个脚本 scripts/download_all_data.sh，可用于下载并设置所有这些数据库：

• 推荐的默认方式：

  scripts/download_all_data.sh <DOWNLOAD_DIR>
  

  将下载完整的数据库。

• 使用 reduced_dbs 参数：

  scripts/download_all_data.sh <DOWNLOAD_DIR> reduced_dbs
  

  将下载一个精简版的数据库，供后续使用 reduced_dbs 数据库预设时调用。在运行 AlphaFold 时，请配合相应的参数 --db_preset=reduced_dbs 使用（请参阅 AlphaFold 参数 部分）。

:ledger: 注意：下载目录 <DOWNLOAD_DIR> 不应位于 AlphaFold 代码库目录下。 如果位于子目录中，Docker 镜像构建过程会因复制大型数据库而变得缓慢。

我们并未提供与 CASP14 完全一致的数据库版本——请参阅 关于可重复性的说明。部分数据库为提升速度进行了镜像，详情请见 镜像数据库。

:ledger: 注意：完整数据库的总下载量约为 556 GB，解压后总大小达 2.62 TB。请确保您有足够的硬盘空间、带宽和时间来完成下载。为了获得更好的基因搜索性能，建议使用 SSD 硬盘。

:ledger: 注意：如果下载目录及其包含的数据集没有完全的读写权限，可能会导致 MSA 工具出现错误，并产生模糊不清的外部报错信息。请确保已赋予必要的权限，例如使用 sudo chmod 755 --recursive "$DOWNLOAD_DIR" 命令。

download_all_data.sh 脚本还会下载模型参数文件。脚本执行完毕后，您将得到如下目录结构：

$DOWNLOAD_DIR/                             # 总计：约 2.62 TB（下载：556 GB）
    bfd/                                   # 约 1.8 TB（下载：271.6 GB）
        # 6 个文件。
    mgnify/                                # 约 120 GB（下载：67 GB）
        mgy_clusters_2022_05.fa
    params/                                # 约 5.3 GB（下载：5.3 GB）
        # 5 个 CASP14 模型，
        # 5 个 pTM 模型，
        # 5 个 AlphaFold-Multimer 模型，
        # LICENSE 文件，
        # 共 16 个文件。
    pdb70/                                 # 约 56 GB（下载：19.5 GB）
        # 9 个文件。
    pdb_mmcif/                             # 约 238 GB（下载：43 GB）
        mmcif_files/
            # 约 199,000 个 .cif 文件。
        obsolete.dat
    pdb_seqres/                            # 约 0.2 GB（下载：0.2 GB）
        pdb_seqres.txt
    small_bfd/                             # 约 17 GB（下载：9.6 GB）
        bfd-first_non_consensus_sequences.fasta
    uniref30/                              # 约 206 GB（下载：52.5 GB）
        # 7 个文件。
    uniprot/                               # 约 105 GB（下载：53 GB）
        uniprot.fasta
    uniref90/                              # 约 67 GB（下载：34 GB）
        uniref90.fasta

bfd/ 只有在下载完整数据库时才会被下载；而 small_bfd/ 则仅在下载精简数据库时才会被下载。

模型参数

尽管 AlphaFold 的代码采用 Apache 2.0 许可证授权，但 AlphaFold 的参数以及 CASP15 的预测数据则依据 CC BY 4.0 许可证条款发布。更多详细信息请参阅下方的 免责声明。

AlphaFold 参数可从 https://storage.googleapis.com/alphafold/alphafold_params_2022-12-06.tar 获取，并且会在运行 scripts/download_all_data.sh 脚本时一并下载。该脚本将下载以下参数：

• 5 个在 CASP14 中使用并经过广泛验证的结构预测质量的模型（详情请参阅 Jumper 等人 2021 年的研究，补充方法 1.12）。
• 5 个 pTM 模型，这些模型经过微调，可在进行结构预测的同时输出 pTM（预测 TM 分数）及 PAE（预测对齐误差）值（详情请参阅 Jumper 等人 2021 年的研究，补充方法 1.9.7）。
• 5 个 AlphaFold-Multimer 模型，它们同样能够在结构预测的同时输出 pTM 和 PAE 值。

更新现有安装

如果您已经安装了旧版本，您可以选择从头开始全新安装（删除所有内容并重新运行安装程序），也可以进行增量更新。增量更新速度会快很多，但需要多做一些准备工作。请务必按照以下列出的精确顺序执行这些步骤：

1. 更新代码。
   • 进入克隆的 AlphaFold 仓库目录，运行 git fetch origin main 以获取所有代码更新。
2. 更新 UniProt、UniRef、MGnify 和 PDB seqres 数据库。
   • 删除 <DOWNLOAD_DIR>/uniprot。
   • 运行 scripts/download_uniprot.sh <DOWNLOAD_DIR>。
   • 删除 <DOWNLOAD_DIR>/uniclust30。
   • 运行 scripts/download_uniref30.sh <DOWNLOAD_DIR>。
   • 删除 <DOWNLOAD_DIR>/uniref90。
   • 运行 scripts/download_uniref90.sh <DOWNLOAD_DIR>。
   • 删除 <DOWNLOAD_DIR>/mgnify。
   • 运行 scripts/download_mgnify.sh <DOWNLOAD_DIR>。
   • 删除 <DOWNLOAD_DIR>/pdb_mmcif。为了确保 PDB SeqRes 和 PDB 数据来自完全相同的日期，必须执行此步骤。如果未按要求操作，在运行 AlphaFold-Multimer 进行模板搜索时可能会出现错误。
   • 运行 scripts/download_pdb_mmcif.sh <DOWNLOAD_DIR>。
   • 运行 scripts/download_pdb_seqres.sh <DOWNLOAD_DIR>。
3. 更新模型参数。
   • 删除 <DOWNLOAD_DIR>/params 中的旧模型参数。
   • 使用 scripts/download_alphafold_params.sh <DOWNLOAD_DIR> 下载新的模型参数。
4. 按照 运行 AlphaFold 的说明进行操作。

使用已弃用的模型权重

要使用已弃用的 v2.2.0 版本 AlphaFold-Multimer 模型权重：

1. 将 scripts/download_alphafold_params.sh 中的 SOURCE_URL 更改为 https://storage.googleapis.com/alphafold/alphafold_params_2022-03-02.tar， 并下载旧版参数。
2. 将 config.py 中的 multimer MODEL_PRESETS 中的 _v3 改为 _v2。

要使用已弃用的 v2.1.0 版本 AlphaFold-Multimer 模型权重：

1. 将 scripts/download_alphafold_params.sh 中的 SOURCE_URL 更改为 https://storage.googleapis.com/alphafold/alphafold_params_2022-01-19.tar， 并下载旧版参数。
2. 将 config.py 中的 multimer MODEL_PRESETS 中的 _v3 删除。

运行 AlphaFold

运行 AlphaFold 最简单的方式是使用提供的 Docker 脚本。 该方法已在 Google Cloud 上经过测试，使用的机器配备 nvidia-gpu-cloud-image 镜像，具有 12 个 vCPU、85 GB 内存、100 GB 启动盘，数据库存储在额外的 3 TB 磁盘上，并搭载 A100 GPU。首次运行时，请按照 安装与首次预测运行 部分的说明进行操作。

1. 默认情况下，AlphaFold 会尝试使用所有可见的 GPU 设备。若需使用部分 GPU，可通过 --gpu_devices 标志指定以逗号分隔的 GPU UUID 或索引列表。有关详细信息，请参阅 GPU 枚举。

2. 您可以通过添加 --model_preset= 标志来控制运行的 AlphaFold 模型。我们提供以下模型：

   • monomer：这是 CASP14 时使用的原始模型，未采用集成方法。

   • monomer_casp14：这是 CASP14 时使用的原始模型，设置了 num_ensemble=8，与我们的 CASP14 配置一致。此选项主要用于结果的可重复性，尽管其计算成本高出 8 倍，但准确率提升有限（CASP14 数据集上的平均 GDT 提升仅为 0.1）。

   • monomer_ptm：这是在 CASP14 原始模型基础上微调后的版本，增加了 pTM 头部，可提供成对置信度评分。其准确率略低于普通单体模型。

   • multimer：这是 AlphaFold-Multimer 模型。要使用此模型，需提供包含多个序列的 FASTA 文件，并且必须提前下载 UniProt 数据库。

3. 您可以通过在运行命令中添加 --db_preset=reduced_dbs 或 --db_preset=full_dbs 来控制 MSA 的速度与质量之间的权衡。我们提供以下预设：

   • reduced_dbs：此预设针对速度和较低的硬件要求进行了优化，使用精简版的 BFD 数据库。它需要 8 个 CPU 核心（vCPUs）、8 GB 内存和 600 GB 磁盘空间。

   • full_dbs：此预设使用 CASP14 时所用的所有遗传数据库。

   例如，使用 monomer 模型预设和 reduced_dbs 数据预设运行上述命令时，命令如下：

   python3 docker/run_docker.py \
     --fasta_paths=T1050.fasta \
     --max_template_date=2020-05-14 \
     --model_preset=monomer \
     --db_preset=reduced_dbs \
     --data_dir=$DOWNLOAD_DIR \
     --output_dir=/home/user/absolute_path_to_the_output_dir
   

4. 在生成预测模型后，AlphaFold 会执行一个松弛步骤以改善局部几何结构。默认情况下，仅对最佳模型（根据 pLDDT 评分）进行松弛处理（--models_to_relax=best），但也可以选择对所有模型（--models_to_relax=all）或不进行任何松弛处理（--models_to_relax=none）。

5. 松弛步骤可以在 GPU 上运行（速度更快，但稳定性可能较差）或在 CPU 上运行（速度较慢，但更稳定）。这可以通过 --enable_gpu_relax=true（默认值）或 --enable_gpu_relax=false 来控制。

6. AlphaFold 可以通过 --use_precomputed_msas=true 选项复用同一序列的 MSA（多序列比对），这对于尝试不同的 AlphaFold 参数非常有用。此选项的前提是输出目录中已存在首次运行 AlphaFold 生成的目录结构，且蛋白质序列相同。

运行 AlphaFold-Multimer

所有步骤与运行单体系统时相同，但您需要：

• 提供包含多个序列的输入 FASTA 文件，
• 设置 --model_preset=multimer，

以下是一个折叠蛋白质复合物 multimer.fasta 的示例：

python3 docker/run_docker.py \
  --fasta_paths=multimer.fasta \
  --max_template_date=2020-05-14 \
  --model_preset=multimer \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

默认情况下，multimer 系统会对每个模型运行 5 个种子（共 25 次预测）。如果您希望在略微降低准确率的情况下减少预测次数，可以将每个模型的种子数设置为 1。这可以通过 --num_multimer_predictions_per_model 标志实现，例如将其设置为 --num_multimer_predictions_per_model=1 即可让每个模型只运行一个种子。

AlphaFold 预测速度

下表报告了不同长度蛋白质的预测运行时间。我们仅测量三次迭代的未松弛结构预测，不包括 MSA 和模板搜索的运行时间。当使用 --benchmark=true 运行 docker/run_docker.py 时，此运行时间会存储在 timings.json 文件中。所有运行时间均来自单个 A100 NVIDIA GPU。对于较小的结构，可以通过在 alphafold/model/config.py 中增加 global_config.subbatch_size 来提高 A100 上的预测速度。

残基数	预测时间 (秒)
100	4.9
200	7.7
300	13
400	18
500	29
600	36
700	53
800	60
900	91
1,000	96
1,100	140
1,500	280
2,000	450
2,500	969
3,000	1,240
3,500	2,465
4,000	5,660
4,500	12,475
5,000	18,824

示例

以下是不同场景下使用 AlphaFold 的示例。

折叠单体

假设我们有一个序列为 <SEQUENCE> 的单体。输入的 FASTA 文件应为：

>sequence_name
<SEQUENCE>

然后运行以下命令：

python3 docker/run_docker.py \
  --fasta_paths=monomer.fasta \
  --max_template_date=2021-11-01 \
  --model_preset=monomer \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

折叠同源多聚体

假设我们有一个由 3 个相同序列 <SEQUENCE> 组成的同源多聚体。输入的 FASTA 文件应为：

>sequence_1
<SEQUENCE>
>sequence_2
<SEQUENCE>
>sequence_3
<SEQUENCE>

然后运行以下命令：

python3 docker/run_docker.py \
  --fasta_paths=homomer.fasta \
  --max_template_date=2021-11-01 \
  --model_preset=multimer \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

折叠异源多聚体

假设我们有一个 A2B3 异源多聚体，即包含 2 个 <SEQUENCE A> 和 3 个 <SEQUENCE B>。输入的 FASTA 文件应为：

>sequence_1
<SEQUENCE A>
>sequence_2
<SEQUENCE A>
>sequence_3
<SEQUENCE B>
>sequence_4
<SEQUENCE B>
>sequence_5
<SEQUENCE B>

然后运行以下命令：

python3 docker/run_docker.py \
  --fasta_paths=heteromer.fasta \
  --max_template_date=2021-11-01 \
  --model_preset=multimer \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

依次折叠多个单体

假设我们有两个单体文件：monomer1.fasta 和 monomer2.fasta。

我们可以使用以下命令依次折叠这两个单体：

python3 docker/run_docker.py \
  --fasta_paths=monomer1.fasta,monomer2.fasta \
  --max_template_date=2021-11-01 \
  --model_preset=monomer \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

依次折叠多个多聚体

假设我们有两个多聚体文件：multimer1.fasta 和 multimer2.fasta。

我们可以使用以下命令依次折叠这两个多聚体：

python3 docker/run_docker.py \
  --fasta_paths=multimer1.fasta,multimer2.fasta \
  --max_template_date=2021-11-01 \
  --model_preset=multimer \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

AlphaFold 输出

输出将保存在通过 run_docker.py 的 --output_dir 标志指定的目录下的子目录中（默认为 /tmp/alphafold/）。输出内容包括计算得到的多序列比对（MSA）、未弛豫结构、弛豫结构、按置信度排序的结构、原始模型输出、预测元数据以及各步骤的耗时信息。--output_dir 目录的结构如下：

<target_name>/
    features.pkl
    ranked_{0,1,2,3,4}.pdb
    ranking_debug.json
    relax_metrics.json
    relaxed_model_{1,2,3,4,5}.pdb
    result_model_{1,2,3,4,5}.pkl
    timings.json
    unrelaxed_model_{1,2,3,4,5}.pdb
    msas/
        bfd_uniref_hits.a3m
        mgnify_hits.sto
        uniref90_hits.sto

每个输出文件的内容说明如下：

• features.pkl – 一个 pickle 文件，包含模型用于生成结构的输入特征 NumPy 数组。

• unrelaxed_model_*.pdb – 一个 PDB 格式的文本文件，包含模型直接输出的预测结构。

• relaxed_model_*.pdb – 一个 PDB 格式的文本文件，包含对未弛豫结构预测进行 Amber 弛豫处理后的最终结构（详细信息请参见 Jumper 等人 2021 年的研究，补充方法 1.8.6）。

• ranked_*.pdb – 一个 PDB 格式的文本文件，包含按模型置信度重新排序后的预测结构。其中 ranked_i.pdb 应该是置信度第 (i + 1) 高的预测结构（即 ranked_0.pdb 具有最高置信度）。模型置信度的排序依据是预测的 LDDT 分数（pLDDT；详细信息请参见 Jumper 等人 2021 年的研究，补充方法 1.9.6）。如果使用 --models_to_relax=all，则所有排序后的结构都会被弛豫；如果使用 --models_to_relax=best，则仅对 ranked_0.pdb 进行弛豫，其余均为未弛豫状态；若使用 --models_to_relax=none，则所有排序后的结构均保持未弛豫状态。

• ranking_debug.json – 一个 JSON 格式的文本文件，包含用于模型排序的 pLDDT 值，以及这些值与原始模型名称之间的映射关系。

• relax_metrics.json – 一个 JSON 格式的文本文件，包含弛豫过程中的各项指标，例如残留的违反约束情况等。

• timings.json – 一个 JSON 格式的文本文件，记录 AlphaFold 流程中各个步骤的执行时间。

• msas/ – 一个目录，包含用于构建输入 MSA 的各类基因工具比对结果文件。

• result_model_*.pkl – 一个 pickle 文件，包含由模型直接生成的各种嵌套 NumPy 数组。除了结构模块的输出外，还包括以下辅助输出：

  • 距离图（distogram/logits 是一个形状为 [N_res, N_res, N_bins] 的 NumPy 数组，distogram/bin_edges 则定义了 bin 的边界）。
  • 每个残基的 pLDDT 分数（plddt 是一个形状为 [N_res] 的 NumPy 数组，取值范围为 0 至 100，其中 100 表示置信度最高）。这可用于识别预测置信度较高的序列区域，或通过对所有残基取平均来作为整体目标的置信度评分。
  • 仅在使用 pTM 模型时存在：预测的 TM 得分（ptm 字段为一个标量）。作为全局叠加指标的预测值，该分数还用于评估模型对整体结构域堆叠的信心。
  • 仅在使用 pTM 模型时存在：预测的成对对齐误差（predicted_aligned_error 是一个形状为 [N_res, N_res] 的 NumPy 数组，取值范围为 0 至 max_predicted_aligned_error，其中 0 表示置信度最高）。这可用于可视化结构中各结构域堆叠的置信度。

输出的 PDB 文件中，pLDDT 置信度指标存储在 B-factor 字段中（但与传统的 B-factor 不同，pLDDT 值越高表示置信度越高，因此在使用该字段进行分子置换等任务时需特别注意）。

经测试，本代码在 CASP14 测试集上采用 pLDDT 排序结合 5 次模型预测的结果，其平均 top-1 准确率与官方结果一致（部分 CASP 目标曾使用早期版本的 AlphaFold 进行预测，且部分目标还进行了人工干预；具体细节请参见我们即将发表的论文）。然而，某些目标如 T1064 可能会因随机种子的不同而出现较大的单次运行方差。

多蛋白推理

提供的推理脚本针对单个蛋白质的结构预测进行了优化，它会编译神经网络以专门适应输入序列、MSA 和模板的具体尺寸。对于大型蛋白质而言，编译时间在整个运行时间中占比极小，但对于小型蛋白质或已预先计算好多序列比对的情况，编译时间可能会变得较为显著。在批量推理场景下，可以考虑使用我们的 make_fixed_size 函数将输入数据填充至统一尺寸，从而减少所需的编译次数。

我们并未提供专门的批量推理脚本，但基于 RunModel.predict 方法并结合并行系统预先计算多序列比对，开发此类脚本应较为容易。此外，也可以重复调用该脚本，仅带来适度的额外开销。

关于 CASP14 可复现性的说明

AlphaFold 对少数蛋白质的输出具有较高的运行间差异，且可能受到输入数据变化的影响。CASP14 目标 T1064 是一个典型例子：近期大量 SARS-CoV-2 相关序列的加入显著改变了其 MSA。尽管通过运行多个模型并选择置信度最高的结果可以在一定程度上缓解这种变异性，但要尽可能复现我们 CASP14 系统的成果，仍需使用我们在 CASP 中所使用的相同数据库版本。这些版本可能与我们脚本默认下载的版本不一致。

基因数据库方面：

• UniRef90： v2020_01
• MGnify： v2018_12
• Uniclust30：v2018_08
• BFD：唯一可用版本

模板数据库方面：

• PDB：（2020-05-14 下载）
• PDB70： 2020-05-13

另一种方案是使用最新的 PDB 和 PDB70 数据库，但同时添加 --max_template_date=2020-05-14 标志，以限制模板仅使用在 CASP14 开始时已存在的结构。

引用本工作

如果您使用本软件包中的代码或数据，请引用以下文献：

@Article{AlphaFold2021,
  author  = {Jumper, John and Evans, Richard and Pritzel, Alexander and Green, Tim and Figurnov, Michael and Ronneberger, Olaf and Tunyasuvunakool, Kathryn and Bates, Russ and {\v{Z}}{\'\i}dek, Augustin and Potapenko, Anna and Bridgland, Alex and Meyer, Clemens and Kohl, Simon A A and Ballard, Andrew J and Cowie, Andrew and Romera-Paredes, Bernardino and Nikolov, Stanislav and Jain, Rishub and Adler, Jonas and Back, Trevor and Petersen, Stig and Reiman, David and Clancy, Ellen and Zielinski, Michal and Steinegger, Martin and Pacholska, Michalina and Berghammer, Tamas and Bodenstein, Sebastian and Silver, David and Vinyals, Oriol and Senior, Andrew W and Kavukcuoglu, Koray and Kohli, Pushmeet and Hassabis, Demis},
  journal = {Nature},
  title   = {Highly accurate protein structure prediction with {AlphaFold}},
  year    = {2021},
  volume  = {596},
  number  = {7873},
  pages   = {583--589},
  doi     = {10.1038/s41586-021-03819-2}
}

此外，如果您使用 AlphaFold-Multimer 模式，请引用以下文献：

@article {AlphaFold-Multimer2021,
  author       = {Evans, Richard and O{\textquoteright}Neill, Michael and Pritzel, Alexander and Antropova, Natasha and Senior, Andrew and Green, Tim and {\v{Z}}{\'\i}dek, Augustin and Bates, Russ and Blackwell, Sam and Yim, Jason and Ronneberger, Olaf and Bodenstein, Sebastian and Zielinski, Michal and Bridgland, Alex and Potapenko, Anna and Cowie, Andrew and Tunyasuvunakool, Kathryn and Jain, Rishub and Clancy, Ellen and Kohli, Pushmeet and Jumper, John and Hassabis, Demis},
  journal      = {bioRxiv},
  title        = {Protein complex prediction with AlphaFold-Multimer},
  year         = {2021},
  elocation-id = {2021.10.04.463034},
  doi          = {10.1101/2021.10.04.463034},
  URL          = {https://www.biorxiv.org/content/early/2021/10/04/2021.10.04.463034},
  eprint       = {https://www.biorxiv.org/content/early/2021/10/04/2021.10.04.463034.full.pdf},
}

社区贡献

社区提供的 Colab 笔记本（请注意，这些笔记本可能与我们的完整 AlphaFold 系统有所不同，我们并未验证其准确性）：

• ColabFold AlphaFold2 笔记本，由 Martin Steinegger、Sergey Ovchinnikov 和 Milot Mirdita 提供，该笔记本使用基于 MMseqs2 服务器的 Södinglab 托管 API 来进行多序列比对的构建。 (Mirdita et al. 2019, Bioinformatics)

致谢

AlphaFold 与以下独立的库和软件包进行通信和/或引用：

• Abseil
• Biopython
• Colab
• Docker
• HH Suite
• HMMER Suite
• Haiku
• JAX
• Kalign
• matplotlib
• ML Collections
• NumPy
• OpenMM
• OpenStructure
• pymol3d
• Sonnet
• TensorFlow
• Tree
• tqdm

我们感谢所有这些项目的贡献者和维护者！

联系我们

如果您有任何本概述未涵盖的问题，请联系 AlphaFold 团队，邮箱地址为：alphafold@deepmind.com。

我们非常期待您的反馈，并希望了解 AlphaFold 如何在您的研究中发挥作用。请将您的故事分享给我们，发送至：alphafold@deepmind.com。

许可与免责声明

本项目并非 Google 官方支持的产品。

版权所有 © 2022 DeepMind Technologies Limited。

AlphaFold 2 及其输出仅用于理论建模，不适用于临床用途，也未经验证或批准用于临床。您不应将 AlphaFold 2 或其输出用于临床目的，亦不应依赖其结果获取医疗或其他专业建议。任何与此类主题相关的内容仅供信息参考，不能替代合格专业人士的建议。

AlphaFold 2 的预测结果具有不同程度的置信度，应谨慎解读。在依赖、发表、下载或以其他方式使用 AlphaFold 2 及其输出之前，请务必谨慎判断。

AlphaFold 代码许可

本文件根据 Apache License, Version 2.0（“许可证”）授权。除非符合许可证的规定，否则不得使用本文件。您可以在 https://www.apache.org/licenses/LICENSE-2.0 获取许可证副本。

除非适用法律另有要求或双方另有约定，否则根据本许可证分发的软件按“原样”提供，不附带任何形式的保证或条件，无论是明示还是暗示。有关许可证的具体语言、权限及限制，请参阅许可证条款。

模型参数许可

AlphaFold 的模型参数依据 Creative Commons Attribution 4.0 International (CC BY 4.0) 许可协议提供。详细信息请访问：https://creativecommons.org/licenses/by/4.0/legalcode

第三方软件

上述【致谢】部分提及的第三方软件、库或代码的使用，可能受单独的条款、条件或许可协议约束。您对这些第三方软件、库或代码的使用需遵守相应的规定，并在使用前确认自己能够遵守所有适用的限制和条款。

镜像数据库

以下数据库已由 DeepMind 进行镜像，并可根据如下说明使用：

• BFD（未修改），由 Steinegger M. 和 Söding J. 提供，采用 知识共享署名-相同方式共享 4.0 国际许可协议。

• BFD（已修改），由 Steinegger M. 和 Söding J. 提供，经 DeepMind 修改后发布，采用 知识共享署名-相同方式共享 4.0 国际许可协议。 详情请参阅 AlphaFold 蛋白质组论文 的方法部分。

• Uniref30: v2021_03 （未修改），由 Mirdita M. 等人提供，采用 知识共享署名-相同方式共享 4.0 国际许可协议。

• MGnify: v2022_05 （未修改），由 Mitchell AL 等人提供，不受任何版权限制，完全免费向公众开放，可用于非商业及商业用途，采用 CC0 1.0 协议（即放弃所有权利的公共领域奉献）。

AlphaFold 快速上手指南

本指南基于 AlphaFold v2 官方文档整理，旨在帮助开发者快速在 Linux 环境下部署并运行蛋白质结构预测。

环境准备

在开始之前，请确保您的机器满足以下硬件和软件要求：

• 操作系统：必须为 Linux（不支持 Windows 或 macOS）。
• 存储空间：完整安装需要约 3 TB 磁盘空间用于存放遗传数据库（强烈建议使用 SSD 以提升搜索性能）。
• GPU：需要现代 NVIDIA GPU（显存越大，可预测的蛋白质结构越大）。
• 前置依赖：
  • Docker
  • NVIDIA Container Toolkit（用于 GPU 支持）
  • aria2 和 rsync（用于下载数据）
  • Python 3 及 pip3

注意：请确保已配置好 Docker 以非 root 用户运行，并验证 GPU 可在 Docker 容器中被识别。

安装步骤

1. 克隆代码库

git clone https://github.com/deepmind/alphafold.git
cd ./alphafold

2. 安装基础工具

在大多数 Linux 发行版中，可通过包管理器安装所需工具：

sudo apt update
sudo apt install aria2 rsync

3. 下载遗传数据库和模型参数

此步骤耗时较长（完整数据库下载量约 556 GB，解压后约 2.62 TB）。 重要提示：<DOWNLOAD_DIR> 目录不能是 AlphaFold 代码库的子目录，否则会导致 Docker 构建极慢。

# 将 <DOWNLOAD_DIR> 替换为您拥有足够空间的实际路径，例如 /data/alphafold_db
scripts/download_all_data.sh <DOWNLOAD_DIR> > download.log 2> download_all.log &

如需节省空间，可添加 reduced_dbs 参数下载精简版数据库，但需配合相应运行参数使用。

4. 验证 GPU 支持

运行以下命令确认 Docker 能正确调用 GPU：

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

如果输出显示了您的 GPU 列表，则环境配置成功。

5. 构建 Docker 镜像

docker build -f docker/Dockerfile -t alphafold .

若遇到 GPG 签名错误，请参考官方 Issue #463 中的解决方案。

6. 安装运行脚本依赖

建议在 Python 虚拟环境中安装：

pip3 install -r docker/requirements.txt

基本使用

准备好包含蛋白质序列的 FASTA 文件（例如 your_protein.fasta）后，即可运行预测。

运行命令示例：

python3 docker/run_docker.py \
  --fasta_paths=your_protein.fasta \
  --max_template_date=2022-01-01 \
  --data_dir=<DOWNLOAD_DIR> \
  --output_dir=/home/user/absolute_path_to_the_output_dir

参数说明：

• --fasta_paths：输入的蛋白质序列文件路径。
• --max_template_date：限制模板使用的截止日期，避免数据泄露。
• --data_dir：步骤 3 中下载的遗传数据库所在目录的绝对路径。
• --output_dir：预测结果输出的绝对路径（请确保该目录存在且有写入权限）。

运行完成后，预测的蛋白质结构文件将保存在输出目录中。