从0在自己机器上部署AlphaFold 3

从0在自己机器上部署AlphaFold 3

引用

CSDN

1.

https://m.blog.csdn.net/qq_21478261/article/details/143753697

本文介绍如何在自己本地机器上安装AlphaFold 3。

在10月份，Google DeepMind的首席执行官Demis Hassabis和高级研究科学家John M. Jumper所领导的团队，利用AI技术成功预测了几乎所有已知蛋白质的结构，开发出备受赞誉的AlphaFold，并因此荣获诺贝尔化学奖。

11月11日，Google DeepMind公司宣布，科学家们现在可以下载AlphaFold 3代码部署在自己机器上，并在非商业用途中使用这款AI工具，截止2024年11月13日，github已经斩获3.5k stars。

以下是正文。

AlphaFold 3只支持Linux操作系统。安装时，需要约1TB的磁盘空间来存储数据库（建议使用SSD存储）。需要一块拥有计算能力8.0或更高的NVIDIA GPU（具有更大显存的GPU可以预测更大的蛋白质结构）。

第1步，安装Docker

第2步，为A100安装NVIDIA驱动程序

docker run --rm --gpus all nvidia/cuda:12.6.0-base-ubuntu22.04 nvidia-smi

显示类似结果说明前两步的操作正确无误，

第3步，下载AlphaFold 3源代码

git clone https://github.com/google-deepmind/alphafold3.git

第4步，下载依赖数据库

AlphaFold 3依赖大量蛋白和RNA数据库，包括“BFD small”、“MGnify”、“PDB”、“PDB seqres”、“UniProt”、“UniRef90”、“NT”、“RFam”和“RNACentral”数据库。通过alphafold3/fetch_databases.py下载和设置这些数据库，

cd alphafold3  #alphafold3是上文步骤3的文件夹
python3 fetch_databases.py --download_destination=<DATABASES_DIR>

注意：

• 不能是alphafold3下的一个文件夹，否则影响后续AlphaFold3 Docker image的build；
• 整个数据库解压后多达630 GB，需要足够的存储空间，为了防止下载过程断开，建议使用screen或者tmux；
• 确保有755权限，否则会报permissions的错误。

下载成功后，文件夹下包含以下问价，

pdb_2022_09_28_mmcif_files.tar  # ~200k PDB mmCIF files in this tar.
bfd-first_non_consensus_sequences.fasta
mgy_clusters_2022_05.fa
nt_rna_2023_02_23_clust_seq_id_90_cov_80_rep_seq.fasta
pdb_seqres_2022_09_28.fasta
rfam_14_9_clust_seq_id_90_cov_80_rep_seq.fasta
rnacentral_active_seq_id_90_cov_80_linclust.fasta
uniprot_all_2021_04.fa
uniref90_2022_05.fa

第5步，获取模型参数

AlphaFold 3的模型参数需要向Google DeepMind申请，获得权限后不能转手、不能商用、输出结果只能自己用......

如果要将结果发表，要遵守一大堆规则（一句话，你不能为所欲为......），

第6步，构建AlphaFold3 Docker容器

构建AlphaFold3 Docker容器,

docker build -t alphafold3 -f docker/Dockerfile .

现在可以使用AlphaFold 3了，

docker run -it \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_output:/root/af_output \
    --volume <MODEL_PARAMETERS_DIR>:/root/models \
    --volume <DATABASES_DIR>:/root/public_databases \
    --gpus all \
    alphafold3 \
    python run_alphafold.py \
    --json_path=/root/af_input/fold_input.json \
    --model_dir=/root/models \
    --output_dir=/root/af_output

当然也可以使用Singularity替代Docker。