用途
AlphaFold 技能用于利用 AlphaFold2 进行蛋白质结构预测，以验证蛋白质设计的折叠是否正确。它适合在设计序列后评估其结构是否合理，例如验证设计序列能否正确折叠、预测蛋白质结构等。
主要能力
- 通过 AlphaFold2 进行结构预测，提供多种运行方式：
- Option 1：Modal（AlphaFold-Multimer）
- Option 2：本地安装
- Option 3：ESMFold2（快速单序列）
- 支持单体和多聚体模型预设（monomer/multimer）。
- 可配置参数包括：
- --model_preset：默认 monomer，可选 monomer/multimer，用于选择模型类型。
- --num_recycle：默认 3，范围 1-20，控制回收迭代次数。
- --max_template_date：模板截止日期，格式 YYYY-MM-DD。
- --use_templates：默认 True，可选 True/False，是否使用模板搜索。
- 输出格式包括：
- ranked_0.pdb（最佳模型）
- ranked_1.pdb（次优模型）
- ranking_debug.json（置信度分数）
- result_model_1.pkl（完整结果）
- msas/（MSA 文件）
- features.pkl（输入特征）
- 可从 result_model_1.pkl 中提取指标：plddt、ptm、iptm（仅多聚体）、predicted_aligned_error（PAE）。
使用方式
前置条件
| 要求 | 最低 | 推荐 |
|---|---|---|
| Python | 3.8+ | 3.10 |
| CUDA | 11.0+ | 12.0+ |
| GPU 显存 | 32GB | 40GB (A100) |
| 内存 | 32GB | 64GB |
| 磁盘 | 100GB | 500GB（用于数据库） |
运行命令
Option 1：Modal（AlphaFold-Multimer）
cd biomodals
modal run modal_alphafold.py \
--input-fasta sequences.fasta \
--out-dir output/
GPU：A100 (40GB) | 默认超时：3600s
Option 2：本地安装
git clone https://github.com/google-deepmind/alphafold.git
cd alphafold
python run_alphafold.py \
--fasta_paths=query.fasta \
--output_dir=output/ \
--model_preset=monomer \
--max_template_date=2026-01-01
Option 3：ESMFold2（快速单序列）
printf '>protein|A\nMKTAYIAKQRQISFVK...\n' > seq.faa
uv run --with modal modal run modal_esmfold2.py --input-faa seq.faa
提取指标
import pickle
with open('result_model_1.pkl', 'rb') as f:
result = pickle.load(f)
plddt = result['plddt']
ptm = result['ptm']
iptm = result.get('iptm', None) # Multimer only
pae = result['predicted_aligned_error']
输出示例
成功运行输出示例：
$ python run_alphafold.py --fasta_paths complex.fasta --model_preset multimer
[INFO] Running MSA search...
[INFO] Running model 1/5...
[INFO] Running model 5/5...
[INFO] Relaxing structures...
Results:
ranked_0.pdb:
pLDDT: 87.3 (mean)
pTM: 0.78
ipTM: 0.62
PAE (interface): 8.5
Saved to output/
良好输出标准：
- pLDDT：> 85（均值，0-100 尺度）或 > 0.85（归一化）
- pTM：> 0.70
- ipTM：> 0.50（用于复合物）
- PAE_interface：< 10
选择决策树
Should I use AlphaFold?
│
├─ What are you predicting?
│ ├─ Single protein → ESMFold (faster)
│ ├─ Protein-protein complex → AlphaFold/ColabFold ✓
│ ├─ Protein + ligand → Chai or Boltz
│ └─ Batch of sequences → ColabFold ✓
│
├─ What do you need?
│ ├─ Highest accuracy → AlphaFold/ColabFold ✓
│ ├─ Fast screening → ESMFold
│ └─ MSA-free prediction → Chai or ESMFold
│
└─ Which AF2 option?
├─ Local installation → Full control, slow setup
├─ ColabFold → Easier, MSA server
└─ Modal → Recommended for batch
典型性能
| 任务规模 | 时间 (A100) | 成本 (Modal) | 备注 |
|---|---|---|---|
| 100 个复合物 | 1-2h | ~$8 | 使用 MSA 服务器 |
| 500 个复合物 | 5-10h | ~$40 | 标准任务 |
| 1000 个复合物 | 10-20h | ~$80 | 大规模任务 |
每个复合物：使用 MSA 服务器时约 30-60s。
验证
find output -name "ranked_0.pdb" | wc -l # Should match input count
故障排查
- 低 pLDDT 区域：可能表示无序或设计不佳。
- 低 ipTM：界面置信度低，检查热点。
- 高 PAE 非对角线：链可能不相互作用。
- OOM 错误：改用带 MSA 服务器的 ColabFold。
错误解释：
| 错误 | 原因 | 修复 |
|---|---|---|
| RuntimeError: CUDA out of memory | 序列过长 | 使用 A100 或拆分预测 |
| KeyError: 'iptm' | 对复合物运行了单体 | 使用 multimer 预设 |
| FileNotFoundError: database | 缺少 MSA 数据库 | 使用 ColabFold MSA 服务器 |
| TimeoutError | MSA 搜索慢 | 减少 num_recycles |
适用场景
- 验证设计序列能否正确折叠。
- 预测蛋白质结构。
- 蛋白质-蛋白质复合物预测（推荐 AlphaFold/ColabFold）。
- 批量序列预测（推荐 ColabFold）。
- 需要最高精度时（推荐 AlphaFold/ColabFold）。
限制
使用时需要满足较高的硬件要求（GPU 显存、内存、磁盘）。部分场景下更适合其他工具，例如单蛋白预测可选用更快的 ESMFold，蛋白-配体预测可选用 Chai 或 Boltz，无需 MSA 的预测可选用 Chai 或 ESMFold。此外，本地安装配置较慢，批量任务推荐使用 Modal。关于许可证、具体收费和官方支持的平台等信息，资料中暂未提供。
后续步骤：protein-qc 用于过滤和排序。