当前位置：首页 > news >正文

AlphaFold v3.0.1 conda版本详细安装与使用

news 来源：原创 2025/5/13 9:42:32

2024年11月11日，AlphaFold 3.0.0源代码正式对外开源，仅限非商业用途使用，提供docker版本的使用介绍。

2024年12月底更新到了AlphaFold 3.0.1，解决了一些bug并提高了运行效率。

本文提供AlphaFold 3.0.1 conda版本的安装及使用方法。

本例安装环境：Ubuntu 22.04, RTX3060，64G内存，6T机械硬盘。CUDA runtime版本12.8。（nvcc -V 查看）。

（1）下载源代码

（2）申请下载模型参数文件

（3）下载数据库

（4）配置alphafold3 conda环境

（5）安装alphafold3

（6）测试

参考资料

（1）下载源代码

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

（2）申请下载模型参数文件

https://forms.gle/svvpY4u2jsHEwWYS6https://forms.gle/svvpY4u2jsHEwWYS6

新建文件夹models，将文件保存其中。

（3）下载数据库

需要的数据库如下：

BFD (modified), by Steinegger M. and Söding J., modified by Google DeepMind, available under a Creative Commons Attribution 4.0 International License. See the Methods section of the AlphaFold proteome paper for details.
PDB (unmodified), by H.M. Berman et al., available free of all copyright restrictions and made fully and freely available for both non-commercial and commercial use under CC0 1.0 Universal (CC0 1.0) Public Domain Dedication.
MGnify: v2022_05 (unmodified), by Mitchell AL et al., available free of all copyright restrictions and made fully and freely available for both non-commercial and commercial use under CC0 1.0 Universal (CC0 1.0) Public Domain Dedication.
UniProt: 2021_04 (unmodified), by The UniProt Consortium, available under a Creative Commons Attribution 4.0 International License.
UniRef90: 2022_05 (unmodified) by The UniProt Consortium, available under a Creative Commons Attribution 4.0 International License.
NT: 2023_02_23 (modified) See the Supplementary Information of the AlphaFold 3 paper for details.
RFam: 14_4 (modified), by I. Kalvari et al., available free of all copyright restrictions and made fully and freely available for both non-commercial and commercial use under CC0 1.0 Universal (CC0 1.0) Public Domain Dedication. See the Supplementary Information of the AlphaFold 3 paper for details.
RNACentral: 21_0 (modified), by The RNAcentral Consortium available free of all copyright restrictions and made fully and freely available for both non-commercial and commercial use under CC0 1.0 Universal (CC0 1.0) Public Domain Dedication. See the Supplementary Information of the AlphaFold 3 paper for details.

9个数据库中的前6个，可以用AF2.3中的数据库替代，建立软连接即可。

数据库保存在文件夹public_databases中。信息如下：

数据库	大小	描述	AF3中的文件名
BFD small	~270 GB	BFD 是通过对 25 亿个蛋白质序列聚类而创建的	bfd-first_non_consensus_sequences.fasta
MGnify	~128G	超过 24 亿个从宏基因组组装预测的非冗余序列	mgy_clusters_2022_05.fa
PDB (mmCIF)	~280G	PDB 收集了蛋白结构的实验数据	mmcif_files（pdb_2022_09_28_mmcif_files.tar解压得到）
PDB seqres	232.9M	PDB序列信息，fasta文件	pdb_seqres_2022_09_28.fasta
UniProt	~122G	uniprot存储蛋白的序列、功能等多种注释信息	uniprot_all_2021_04.fa
UniRef90	~84G	UniRef 提供来自 UniProtKB 的序列聚类	uniref90_2022_05.fa
NT	81G	NCBI核苷酸序列库	nt_rna_2023_02_23_clust_seq_id_90_cov_80_rep_seq.fasta
RFam	228.4M	Rfam：RNA 家族的集合	rfam_14_9_clust_seq_id_90_cov_80_rep_seq.fasta
RNACentral	13.9G	RNAcentral：ncRNA序列数据库	rnacentral_active_seq_id_90_cov_80_linclust.fasta

后3个需要下载，修改fetch_databases.sh相应内容，下载即可。

cd alphafold3 && mkdir public_databases

bash ./fetch_databases.sh public_databases

（4）配置alphafold3 conda环境

根据docker/Dockerfile安装文件，确认使用的Python版本为3.11和HMMER版本为3.4，创建一个新的Conda环境，并激活它：

conda create -n AF3 python=3.11

conda activate AF3

编译安装hmmer 3.4，用于蛋白质序列搜索和比对：

mkdir hmmer_build hmmer
wget http://eddylab.org/software/hmmer/hmmer-3.4.tar.gz --directory-prefix ./hmmer_build
cd hmmer_build
tar zxf ./hmmer_build/hmmer-3.4.tar.gz
cd hmmer-3.4
./configure --prefix ../../hmmer
make -j8
make install
cd easel && make install

将安装位置加入PATH：

export PATH=path/to/hmmer/bin/:$PATH

使用conda安装支持的GCC版本：

conda install gxx_linux-64 gxx_impl_linux-64 gcc_linux-64 gcc_impl_linux-64=12.4.0 -c conda-forge

使用pip安装其他依赖项。首先，安装可以通过pip自动安装的包：

pip install -r dev-requirements.txt

对于pip安装失败的包，使用pip补充安装。

pip install pint pydantic msgpack qcelemental optking matplotlib edgembar joblib ndfes

运行：

（5）安装alphafold3

pip install . --no-deps --verbose

需要的话，补充安装：

conda install catch2 zlib -c conda-forge

（6）测试

 {
   "name": "2PV7",
   "sequences": [
     {
       "protein": {
         "id": ["A", "B"],
         "sequence": "GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEWLLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG"
       }
     }
   ],
   "modelSeeds": [1]
   "dialect": "alphafold3",
   "version": 1
 }

以上保存为 fold_input.json

调整相应路径，运行：

python run_alphafold.py \
--json_path=./test_exmaples/fold_input.json \
--model_dir=./models \
--db_dir=./public_databases \
--output_dir=./af3_output \
--jackhmmer_binary_path=./hmmer/bin/jackhmmer \
--hmmalign_binary_path=./hmmer/bin/hmmalign \
--hmmbuild_binary_path=./hmmer/bin/hmmbuild \
--hmmsearch_binary_path=./hmmer/bin/hmmsearch \
--nhmmer_binary_path=./hmmer/bin/nhmmer

运行时长约4 h。

结果目录如下：

生成的测试输出文件主要包括：

1.2pv7_model.cif：这是排名第一的预测结果，以mmCIF格式保存，包含了蛋白质的三维结构信息，可以用PyMol打开，结构如下：

2.2pv7_confidences.json：包含排名第一的预测结果的置信度信息，以JSON格式提供，包含置信度信息，如 pLDDT（残基水平的置信度）、ipTM（界面预测置信度）和 PAE（预测对齐误差）等：

pLDDT（Per-Residue Confidence Score）：表示每个残基的预测置信度，范围为0到100。pLDDT 越高，预测的可靠性越高。
pTM（predicted TM-score），来自模板建模（TM）得分。这衡量了整个结构的准确性。pTM > 0.5 意味着预测的复合物整体折叠结构可能与真实结构相似。

ipTM（Interface Template Modeling Score）：用于评估蛋白质-蛋白质或蛋白质-配体界面的预测准确性。ipTM>0.8 表示高质量预测，<0.6则表示预测失败，0.6-0.8属于灰色区域，预测可能正确也可能不正确。
PAE（Predicted Alignment Error）：以热图形式展示残基之间的预测误差。颜色越深表示预测越可靠。
ranking_score：计算公式为 0.8ipTM + 0.2pTM + 0.5disorder - 100has_clash。对整个复合体进行排序，使用ranking_score（越高越好）。该分数使用整体结构可信度（pTM 和 ipTM），但也包括惩罚冲突（clashes）和奖励不出现伪螺旋的无序区域，这些额外项意味着该分数只能用于结构排序。如果对特定的实体或相互作用感兴趣，例如在药物设计的场景下，可能需要通过特异于该链或链对的指标进行排序，而不是整个复合体。在这种情况下，请使用下文所述的每链或每链对置信度指标进行排序，例如chain_pair_iptm，chain_iptm，chain_ptm等等，参考AlphaFold3中文使用说明-CSDN博客

3.2pv7_summary_confidences.json：提供排名第一的预测结果的置信度摘要，同样以JSON格式呈现。

4.ranking_scores.csv：列出所有预测结果的排名分数。

（7）实际案例，运行结果与AF2.3比较

参考： AlphaFold3中文使用说明-CSDN博客

首先编写输入信息的 json文件。

json文件主结构简要介绍如下：

{
  "name": "Job name",    #任务名称，被用于命名输出文件。
  "modelSeeds": [1, 2],  #随机种子整数列表，提供n个（n>=1）种子，获得n个预测结构。
  "sequences": [
    {"protein": {...}},
    {"rna": {...}},
    {"dna": {...}},
    {"ligand": {...}}
  ],                      #序列字典的列表，每个字典定义一个分子实体。
  "bondedAtomPairs": [...],    #（可选）共价键合原子的列表。
  "userCCD": "...",            #（可选）用户提供的CCD。适用于：SMILES不足；自定义分子需要与其他实体结合；RDKit无法生成构象。
  "dialect": "alphafold3",  #输入JSON的风格，必须设置为alphafold3。参考JSON兼容性。
  "version": 1              #输入JSON的版本，必须设置为1。
}

蛋白结构部分如下：

{
  "protein": {
    "id": "A",    #一或多个大写字母，指定该蛋白链每个拷贝的唯一 ID。将被用于输出 mmCIF 文件。指定 ID 列表（如[“A”、“B”、“C”]）意味着同源链有多个拷贝。
    "sequence": "PVLSCGEWQL",    #氨基酸序列
    "modifications": [
      {"ptmType": "HY3", "ptmPosition": 1},
      {"ptmType": "P1L", "ptmPosition": 5}
    ],                   #（可选）翻译后修饰PTM列表，每个修饰都使用 CCD 和 1-based 的残基位置来指定。
    "unpairedMsa": ...,  #（可选）该链的多序列比对，使用 A3M 格式（等同于FASTA，但允许用"-"表示gap）指定。
    "pairedMsa": ...,    #（不推荐使用）
    "templates": [...]   #（可选）结构模板列表。
  }
}

核酸，辅因子，配体结构json文件写法请参考：AlphaFold3中文使用说明-CSDN博客

fold_input_8I55.json

{
  "name": "8I55",
  "sequences": [
    {
      "protein": {
        "id": ["A", "B"],
        "sequence": "MEALVLVGHGSRLPYSKELLVKLAEKVKERNLFPIVEIGLMEFSEPTIPQAVKKAIEQGAKRIIVVPVFLAHGIHTTRDIPRLLGLIEDNHEHHHEHSHHHHHHHHHEHEKLEIPEDVEIIYREPIGADDRIVDIIIDRAFGR"
      }
    }
  ],
  "modelSeeds": [3],
  "dialect": "alphafold3",
  "version": 1
}

与AF2.3的效果对比，后续再分享。。。

参考资料：

（1）Abramson J, Adler J, Dunger J, et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature. 2024;630(8016):493-500. doi:10.1038/s41586-024-07487-w

（2）https://github.com/google-deepmind/alphafold3

（3）教程｜使用Conda安装AlphaFold3-个人记录以及遇到的问题-CSDN博客