企业官网建设流程全解析

AlphaFold 蛋白结构预测完整指南：4 步从零跑通，附质量判断方法

【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold

如果你手头只有一段氨基酸序列，却想知道它折叠成什么形状，AlphaFold 蛋白结构预测能直接给出答案：这个仓库是 DeepMind 开源的 AlphaFold 2 推理管线（Apache 2.0 协议），输入 FASTA 序列，输出带置信度标注的三维结构文件，同时支持 AlphaFold-Multimer 多聚体模式来预测蛋白质复合物的组装形态。

它解决了什么痛点，凭什么可信

实验手段获取蛋白结构一直不便宜：X 射线晶体学要养晶体，冷冻电镜要排队机时，周期从几个月到一两年不等。AlphaFold 把这件事变成了一次 GPU 计算——输入序列，几十分钟拿到预测结构，并且每个残基都自带置信度分数。

它不是"看起来不错的工具"，在 2020 年 CASP14 结构预测大赛中，其对真实靶点的预测精度已接近实验分辨率。下图左绿色、右蓝色分别代表实验结构和 AlphaFold 的预测，两者几乎重合，GDT 分数超过 90（满分 100）：

这个仓库除了单链（monomer）预测，还提供：

• AlphaFold-Multimer：多链复合物的联合建模，v2.3.0 版权重对大型复合物（训练时最多 20 条链）有明显提升，详见v2.3.0 技术笔记
• CASP15 基线预测集：附人工干预说明，可用于复现与校验
• 简化版 Colab 笔记本：notebooks/AlphaFold.ipynb，不用本机搭环境也能体验

硬件与数据预算：动手前先算清 3 笔账

AlphaFold 只支持 Linux，官方路径是 Docker 容器 + NVIDIA GPU（显存越大，能预测的蛋白越长）。在开始下载之前，先看这 3 个数字：

• 精简配置通过--db_preset=reduced_dbs启用，用的是小版 BFD 数据库，适合先跑通流程、硬件一般的用户
• 数据库需要 UniRef90、UniRef30、BFD（或小 BFD）、MGnify、PDB mmCIF、PDB70（单链用）、UniProt 与 PDB SeqRes（多聚体用）等，scripts/ 目录下每个数据库都有对应下载脚本
• 预测耗时大致参考（A100 单卡，不含 MSA 搜索）：300 残基约 13 秒，1000 残基约 96 秒，2000 残基约 450 秒，5000 残基则接近 5 小时

首次预测的 4 个步骤：环境、数据、镜像、运行命令

第 1 步：装好 Docker 与 NVIDIA Container Toolkit，并让当前用户免 root 运行 Docker（官方 README 里有完整步骤，见官方 README）。装完可用docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi验证容器能看到 GPU。

第 2 步：下载数据库。安装aria2c后运行下载脚本（耗时较长，建议后台执行）：

# 完整数据库；加 reduced_dbs 参数则为精简版 scripts/download_all_data.sh <DOWNLOAD_DIR> # 构建 Docker 镜像 docker build -f docker/Dockerfile -t alphafold .

两个关键提醒：<DOWNLOAD_DIR>不要放在仓库目录内部，否则构建镜像时大数据库会被复制进 Docker 构建上下文，慢到无法接受；下载目录需保证读写权限（chmod 755 -R），否则 MSA 工具会抛出莫名其妙的报错。

第 3 步：准备输入 FASTA。单链就一条序列；多聚体则把每条链的序列都写进去（>链名+ 序列，换行分隔）。注意：FASTA 里写了几条序列，模型就按几个亚基来组装，这就是复合物的化学计量比。

第 4 步：运行预测。装好docker/requirements.txt的依赖后：

python3 docker/run_docker.py \ --fasta_paths=your_protein.fasta \ --max_template_date=2022-01-01 \ --data_dir=$DOWNLOAD_DIR \ --output_dir=/绝对路径/输出目录

--max_template_date限制模板结构的最晚发布日期，避免"泄漏"到目标结构之后才公布的模板；--output_dir必须是可写的绝对路径。

预测流水线内部发生了什么

一次运行大致经历 5 个阶段，理解它有助于你定位卡在哪一步：

• MSA（多序列比对）阶段最耗时，也是磁盘与带宽的大头；如果后续只改模型参数，可用--use_precomputed_msas=true复用已算好的 MSA
• 默认跑 5 个模型、取置信度最高者，这种"多模型投票"能压制单个随机种子的波动
• 排序完成后，--models_to_relax控制弛豫范围：best（默认，只弛豫第一名）、all、none；GPU 上弛豫更快但偶尔不稳定，CPU 更稳

输出目录怎么读：ranked_0.pdb、pLDDT 与 PAE

运行结束后，--output_dir下会按输入文件名建立子目录，核心文件如下：

质量判断看 3 个指标：

• pLDDT（0–100，越高越可信）：残基级置信度。PDB 文件里它被写进 B-factor 列——注意与常规 B 因子含义相反，这里数值越高越好，用它做分子替换时要格外小心。粗略参照：>90 高置信、70–90 较可信、50–70 中等、<50 谨慎使用
• PAE（预测对齐误差，越低越好）：N×N 矩阵，描述任意两个残基的相对位置误差。链内对角块低而链间区块偏高，说明单链本身可靠、但复合物取向不确定
• ptm / iptm：多聚体模式还会输出整体质量分，ranking_debug.json里多聚体的排序依据就是iptm+ptm，单链则用 pLDDT

多聚体（复合物）预测：只差两个参数

预测复合物的流程与单链完全一致，区别仅在于：输入 FASTA 写入全部亚基序列，并设置--model_preset=multimer：

python3 docker/run_docker.py \ --fasta_paths=complex.fasta \ --model_preset=multimer \ --data_dir=$DOWNLOAD_DIR \ --output_dir=/绝对路径/输出目录

需要心里有数的几点：

• 多聚体模式必须额外下载 UniProt 和 PDB SeqRes 数据库，且 PDB mmCIF 与 SeqRes 版本要一致（模板搜索用）
• 默认每个模型跑 5 个随机种子，5 个模型共 25 次预测，耗时可观；--num_multimer_predictions_per_model=1可降到每模型 1 次，精度略有下降
• v2.3.0 的多聚体权重在化学计量比已知时普遍优于单链模式，包括已知为单体的蛋白；但如果亚基数量未知（如基因组规模预测），单链模式平均反而更准
• 官方声明 AlphaFold-Multimer 仍在迭代中，稳定性弱于单链系统，解读结果时留一手

常见坑与绕过办法

1. 磁盘告急：2.62 TB 是完整库解压后的体量，先规划好独立磁盘；小硬盘直接用精简配置
2. MSA 工具报诡异错误：九成是数据库目录权限问题，补全读写权限即可
3. 容器看不到 GPU：先跑 README 里的nvidia-smi验证命令；容器外能看到、容器内看不到，基本是 NVIDIA Container Toolkit 没装对
4. 同一条序列两次结果差异大：属正常现象（个别靶点波动尤其明显），官方用 5 模型取最高置信度来缓解，重要结果建议固定--random_seed复跑
5. 弛豫阶段报错或太慢：可先设--models_to_relax=none拿到原始结构，弛豫是改善局部几何、不是提升预测本身
6. ⚠️复现 CASP14 结果：需要锁定当年的数据库版本，仅靠--max_template_date不够，详见 README 的复现性说明

适用边界与进阶方向

用之前明确边界：AlphaFold 输出是理论建模结果，不用于临床用途；它预测的是静态单构象，不显式建模配体、小分子或膜环境；对无序区域（pLDDT 长期 <50 的片段）不要期望可靠结构。

进阶路线：

• 大型或困难靶点：技术笔记建议把每模型种子数提高到 20、增加 recycle 次数，精度更好但耗时同步上升
• 批量预测：推理脚本默认按单蛋白编译模型，重复跑小蛋白时编译开销占比升高，可基于RunModel.predict与make_fixed_size自行搭建批量流水线
• 学习入口：官方 README 是总纲，docs/technical_note_v2.3.0.md 讲清 v2.3.0 权重更新动机，run_alphafold.py 则是容器内主流程源码，想看参数如何生效直接读它

一段序列到可信的三维模型，AlphaFold 把结构生物学的"几个月"压缩到了"几十分钟"——把数据库、Docker 和 FASTA 三件事备好，你的第一次预测今天就绪。💡

【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold