AlphaFold2源码解析(1)--安装使用

AlphaFold2源码解析(1)–安装使用

AlphaFold2有两种安装方式：
具体可以参考我之前写的博客：

• Alphafold docker 安装: 参考GitHub：https://github.com/deepmind/alphafold
  一步一步安装就可以了，
  
• Alphafold 非docker 安装指南

如果出现一些报错的现象，可以参考一下我遇到的问题：AlphaFold 构建报错汇总

• 在线蛋白预测服务colab：
  https://colab.research.google.com/drive/1PePaHHp1J-L1rufW4_r7v7VpZjYVUbTH#scrollTo=pxALY3Gh_SZj
  （注意：colab上的在线服务使用的是Reduced BFD非BFD数据库，加快MSA搜索）

使用

docker

python3 docker/run_docker.py \
  --fasta_paths=T1050.fasta \
  --max_template_date=2020-05-14 \
  --data_dir="./"
1
2
3
4

非docker

python run_alphafold.py --fasta_paths=./inputs/8A2D/8A2D.fasta \
--uniref90_database_path=./uniref90/uniref90.fasta \
--mgnify_database_path=./mgnify/mgy_clusters_2018_12.fa \
--data_dir=/data2/datasets \
--template_mmcif_dir=./pdb_mmcif/mmcif_files \
--obsolete_pdbs_path=./pdb_mmcif/obsolete.dat  \
--pdb70_database_path=./pdb70/pdb70 \
--uniclust30_database_path=./uniclust30/uniclust30_2018_08/uniclust30_2018_08 \
--bfd_database_path=./bfd/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt \
--output_dir=./protein_result/alphafold  \
--max_template_date=2021-11-01 \
--db_preset=full_dbs \
--model_preset=monomer \
--benchmark=False \
--use_precomputed_msas=False  \
--num_multimer_predictions_per_model=5  \
--run_relax=True \
--use_gpu_relax=True \
--logtostderr
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

结果文件

可视化

• 可以使用蛋白软件将pdb文件可视化， 如pymol, discovery studio ,rosetta等软件
• python 包：py3Dmol
• js包：3Dmol.js