（防坑）Alphafold 非docker 安装指南

本指南适用于Linux系统。Alphafold官方也强调尽量使用Linux系统！官方提供了docker版安装步骤。

• Alphafold简介：

  • 强大的蛋白质结构预测。
  • 开源地址：https://github.com/deepmind/alphafold
  • 在线结构数据库：https://alphafold.ebi.ac.uk/
  • 在线版Alphafold：https://colab.research.google.com/github/deepmind/alphafold/blob/main/notebooks/AlphaFold.ipynb
  • 论文：https://www.nature.com/articles/s41586-021-03819-2

• 软硬件条件：

  • python版本：建议使用python3.8。

  • 建议使用conda创建python环境。

    conda安装参见：https://conda.io/projects/conda/en/latest/user-guide/install/index.html

  • 硬件条件（搭建本地预测服务器参考条件）：

    • 硬盘1T至2T以上，建议3T。

      注1：Alphafold预测的准确度依赖于共进化信息的丰富度，所以要完整的预测或全提高准确度，就需要下载好几个数据库，下载的脚本在Alphafold包的script文件夹下。所以需要这么大的存储，在超算上这都不是事。但是，个人PC就有点大了！

      注2：如果只是简单预测或测试，可以不用下载官方给出的全部数据库，准备1T足以，视所需数据库的大小。

    • CPU: 8至12核以上。

    • 内存:16G至48G以上。

    • GPU:支持CUDA11（不用GPU会很费时间，尽量使用GPU加速。）

    • 注：如果只是想在个人PC上简单测试，以上硬件条件可忽略。也可以使用在线版Alphafold进行预测。

• 安装步骤：

  • 第一步：从github下载Alphafold包。

    git clone https://github.com/deepmind/alphafold.git

  • 第二步：进入alphafold文件夹，配置python环境。

    pip install -r requirements.txt

  • 第三步：修改jaxlib版本。

    使用官方的jaxlib会报错：AttributeError: module ‘jaxlib.pocketfft’ has no attribute ‘pocketfft’

    pip install --upgrade jax== 0.2.14 jaxlib==0.1.69

  • 第四步：安装openMM。

    官方建议使用conda安装。参见：https://openmm.org/

    建议使用openmm7.5.1版本，7.6.0会报错：ModuleNotFoundError: No module named ‘simtk.openmm.app.internal’

    • conda install -c conda-forge openmm=7.5.1

    • 验证openmm：python -m simtk.testInstallation

      • 直接执行python -m openmm.testInstallation 会报错找不到openmm

      • 输出以下内容就说明安装好了。

        OpenMM Version: 7.5.1
        Git Revision:

        There are 4 Platforms available:

        1 Reference - Successfully computed forces
        2 CPU - Successfully computed forces
        3 CUDA - Successfully computed forces
        4 OpenCL - Successfully computed forces

        Median difference in forces between platforms:

        Reference vs. CPU:
        Reference vs. CUDA:
        CPU vs. CUDA:
        Reference vs. OpenCL:
        CPU vs. OpenCL:
        CUDA vs. OpenCL:

        All differences are within tolerance.

      • 如果输出内容里出现：CUDA - Error computing forces with CUDA platform，原因在于cudatookit不对。首先使用 nvidia-smi 查看CUDA Version，然后使用 conda install -c conda-forge cudatoolkit= CUDA Version(对应的版本号)，就可以解决问题。当然没有cuda也能跑起来，只是费时间。

  • 验证Alphafold：

    • 进入alphafold，执行 python run_alphafold_test.py

    • 出现以下内容，就说明安装好了。

      [ RUN ] RunAlphafoldTest.test_end_to_end_no_relax
      I0814 21:46:41.874690 140372256589632 run_alphafold.py:161] Predicting test
      I0814 21:46:41.875205 140372256589632 run_alphafold.py:190] Running model model1 on test
      I0814 21:46:41.875339 140372256589632 run_alphafold.py:202] Total JAX model model1 on test predict time (includes compilation time, see --benchmark): 0.0s
      I0814 21:46:41.878139 140372256589632 run_alphafold.py:271] Final timings for test: {‘features’: 3.409385681152344e-05, ‘process_features_model1’: 3.838539123535156e-05, ‘predict_and_compile_model1’: 2.0742416381835938e-05}
      [ OK ] RunAlphafoldTest.test_end_to_end_no_relax
      [ RUN ] RunAlphafoldTest.test_end_to_end_relax
      I0814 21:46:41.880331 140372256589632 run_alphafold.py:161] Predicting test
      I0814 21:46:41.880626 140372256589632 run_alphafold.py:190] Running model model1 on test
      I0814 21:46:41.880749 140372256589632 run_alphafold.py:202] Total JAX model model1 on test predict time (includes compilation time, see --benchmark): 0.0s
      I0814 21:46:41.883405 140372256589632 run_alphafold.py:271] Final timings for test: {‘features’: 3.0994415283203125e-05, ‘process_features_model1’: 3.409385681152344e-05, ‘predict_and_compile_model1’: 1.6450881958007812e-05, ‘relax_model1’: 2.9087066650390625e-05}

      [ OK ] RunAlphafoldTest.test_end_to_end_relax

      Ran 2 tests in 0.011s

      OK

• 后记：

  • 未完待续，后续Alphafold使用将继续更新。
  • 本文提到的一些软件可以通过下列连接获取。
    • minicoda:链接: https://pan.baidu.com/s/1HOvUef7m0TffRdC-caUzVQ 提取码: dwwc
    • Alphafold：链接: https://pan.baidu.com/s/1D0CXpumKFo21kJLd29xvNw 提取码: ri6s
  • GPU环境配置(cuda等安装)可参考这篇博文：https://blog.csdn.net/Zqinstarking/article/details/80713338