准备好迎接蛋白设计的时代了吗？--AlphaFold2的两种使用方式

DrugSci

发布于 2021-08-19 10:28:35

2.6K0

发布于 2021-08-19 10:28:35

文章被收录于专栏：FindKeyFindKey

前言：

AF2已经出了一段时间，上次试了试RoseTTAFold，这次试试AlphaFold2.

方式：

1 躺平式（Colab版）

简称白嫖Geogle，直接使用colab进行使用

Colab提供了一张GPU V100 以供挥霍

直接点击进入此网站 https://colab.research.google.com/drive/1PePaHHp1J-L1rufW4_r7v7VpZjYVUbTH

熟悉Jupyter的应该都知道怎么操作，不知道的百度下

另外下面这种操作方式，不使用MSA信息，适用于蛋白质从头设计。

第一步：colab提供了一张GPU或者TPU以供调用，选择GPU就好

第二步：

点击方格左侧的▶️使其运行，或者直接shift+enter

注意：

在这个地方，将query_sequence改为你自己的序列

第三步：

predict_structure 在预测结构，而下方的excute则是运行时间，案例这个跑了大约2min左右，约68个氨基酸

第四步查看结构，以及下载

在左方的none中点击并下载

2 直立式（本地版）

第一步直接git clone

 git clone git@github.com:ZeroDesigner/easy_af2.git

第二步使用conda创造环境

 conda env create -f easy_af2.yaml
 conda activate alphafold

第三步下载数据

alphafold 提供了一个自动化下载脚本

 cd scripts
 nohup sh download_all_data.sh ./ &

这一步时间很长,直接nohup挂到后台

所用空间

 $DOWNLOAD_DIR/                             # Total: ~ 2.2 TB (download: 428 GB)
     bfd/                                   # ~ 1.8 TB (download: 271.6 GB)
         # 6 files.
     mgnify/                                # ~ 64 GB (download: 32.9 GB)
         mgy_clusters.fa
     params/                                # ~ 3.5 GB (download: 3.5 GB)
         # 5 CASP14 models,
         # 5 pTM models,
         # LICENSE,
         # = 11 files.
     pdb70/                                 # ~ 56 GB (download: 19.5 GB)
         # 9 files.
     pdb_mmcif/                             # ~ 206 GB (download: 46 GB)
         mmcif_files/
             # About 180,000 .cif files.
         obsolete.dat
     uniclust30/                            # ~ 87 GB (download: 24.9 GB)
         uniclust30_2018_08/
             # 13 files.
     uniref90/                              # ~ 59 GB (download: 29.7 GB)
         uniref90.fasta

第四步运行alphafold

 bash run_alphafold.sh -d ./scripts -o ./output/ -m model_1 -f ./example/query.fasta -t 2020-05-14

后记

还有很多不同的玩法

具体参看：

https://github.com/sokrypton/ColabFold
https://github.com/deepmind/alphafold/issues/24

Gitee国内地址

https://gitee.com/zerodesigner/easy_af2

参考：

AlphaFold2:https://github.com/deepmind/alphafold
Colab上的AF2：https://github.com/sokrypton/ColabFold
非docker下的AF2:https://github.com/deepmind/alphafold/issues/24
硬盘价格：https://www.jd.com/jiage/67036b20876f0c79715.html
A100 价格：https://www.smzdm.com/p/36608092/

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2021-07-22，如有侵权请联系 cloudcommunity@tencent.com 删除

https

本文分享自 FindKey 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度