企业官网建设流程全解析

使用JSON 文件批量执行 AlphaFold 3 web server 预测是目前最实用、可重复的批量提交方式之一，尤其适合处理几十到几百个蛋白/复合物预测任务。

AlphaFold 3 的官方AlphaFold Server（https://alphafoldserver.com/）明确支持通过 JSON 文件批量导入任务（每个文件最多支持100 个 job），但它目前没有公开的纯 API可以完全自动化提交并轮询结果（需要浏览器登录操作）。下面是 2025–2026 年实际可行的几种方案，从简单到半自动化排序。

方案一：最推荐（官方支持）—— JSON 文件批量导入到 AlphaFold Server（半手动）

步骤

1. 准备单个任务的 JSON 模板
   官方示例在 GitHub 上有详细说明：
   https://github.com/google-deepmind/alphafold/blob/main/server/README.md

   典型简单蛋白结构预测 JSON 示例（单链蛋白）：

   {"name":"MyProtein_001","modelSeeds":[1,2,3],"sequences":[{"protein":{"id":["A"],"sequence":"MADEEKLPPGWEKRMSRSSGRVYYFNHITNASQFERPQTYQTRVMEKD"}}],"dialect":"alphafold3","version":1}

   • 多链复合物示例（蛋白+配体）参考官方文档或已运行任务的_job_request.json
   • 每个任务可以包含 protein、dna、rna、ligand、ion、covalent 等多种分子类型

2. 批量生成多个任务的 JSON 文件
   使用 Python 脚本批量创建（推荐）：

   importjsonimportos# 你的序列列表（可以从 CSV、TXT 读取）sequences=[{"id":"seq001","name":"ProteinA","seq":"MADEEKLPPGWEKRMSRSSGRVYYFNHITNASQFERPQTYQTRVMEKD"},{"id":"seq002","name":"ProteinB","seq":"MTEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAGQEEYSAMRDQYMRTGEGFLCVFAINNTKSFEDIHHYREQIKRVKDSEDIPAVFVTRKRVD"},# ... 更多序列]output_dir="af3_jobs"os.makedirs(output_dir,exist_ok=True)foriteminsequences:job={"name":f"{item['name']}_{item['id']}","modelSeeds":[1],# 可加多个种子"sequences":[{"protein":{"id":["A"],"sequence":item["seq"]}}],"dialect":"alphafold3","version":1}filename=os.path.join(output_dir,f"{item['id']}.json")withopen(filename,'w')asf:json.dump(job,f,indent=2)print(f"生成:{filename}")

3. 批量导入到 AlphaFold Server

   • 登录 https://alphafoldserver.com/

   • 点击右上角或 job 列表页的“Upload JSON”按钮

   • 支持一次上传一个 JSON 文件（最多 100 个 job）

   • 或者准备一个大 JSON（数组形式包含多个 job）：

     [{/* job 1 */},{/* job 2 */},...]

   • 导入后任务会出现在Drafts（草稿）列表中

   • 你可以批量选中 → 编辑（可选） → Run（每天免费配额 20 个 job）

4. 结果下载

   • 每个任务完成后可下载 zip 包
   • zip 里面包含_job_request.json（可直接复用修改后重新提交）

优点 & 限制

• 优点：官方支持、最准确的 AlphaFold 3 模型、无需本地 GPU
• 限制：每天 20 个 job 配额、需要手动点击 “Run”、无纯 API 自动化提交

方案二：本地批量运行 AlphaFold 3（完整自动化）

如果你有足够 GPU 资源，可以使用官方开源推理代码批量运行：

1. 申请模型权重（非商业用途免费）：https://github.com/google-deepmind/alphafold3

2. 安装环境（Docker 或 conda）

3. 使用--json_path或--input_dir参数批量运行：

   # 单文件python run_alphafold.py --json_path=/path/to/job1.json --model_dir=/path/to/models --output_dir=/output# 批量目录（所有 .json 文件）python run_alphafold.py --input_dir=/jobs_folder --model_dir=/models --output_dir=/results

   脚本会自动处理目录下所有 JSON 文件。

方案三：ColabFold / 社区工具生成 AF3 兼容 JSON（辅助批量准备）

• ColabFold 支持--af3-json参数，可以批量生成 AlphaFold 3 兼容的 JSON 文件（但不运行预测）

• 示例：

  colabfold_batch input.fasta output_dir --af3-json

  然后把生成的 JSON 上传到 AlphaFold Server。

快速总结建议（最实用路径）

如果你只是想批量预测几十个蛋白/复合物，强烈建议先用方案一：写 Python 脚本生成 JSON → 一次性上传 100 个 → 分批点 “Run”。

需要我帮你：

• 写更详细的批量生成 JSON Python 脚本（支持多链、配体、DNA 等）？
• 提供复合物/蛋白-小分子复合物的 JSON 示例？
• 说明如何从 CSV/Excel 表格批量转 JSON？

告诉我你的具体输入类型（单蛋白、多聚体、带小分子等）和数量，我可以给出更精准的方案。