用途：该技能通过 colabfold_batch 封装 AlphaFold2 与 AlphaFold2-Multimer，用于预测蛋白质单体结构，并作为蛋白质-蛋白质相互作用的验证工具。它用公共 MMseqs2 服务器替代 DeepMind 的本地数据库 MSA 流程，因此一次预测只需一条命令和一个 FASTA 文件，无需挂载约 2TB 数据库。
主要能力：默认运行全部五个 AF2 模型权重，并按 pLDDT（多聚体按 pTM/ipTM）排序。每个查询在 out/ 目录生成五个排序后的 PDB（<name>unrelaxed_rank_00{1..5}.pdb，b-factor 列携带 pLDDT）以及对应的 <name>scores_rank_00{N}.json，包含 plddt、ptm，多聚体还含 iptm 和 pae 矩阵。通常先看 rank-1；界面软通过阈值常取 ipTM > 0.5。
使用方式：输入为纯 FASTA。多聚体把每条链放在同一序列行、用冒号分隔，colabfold_batch 会为每段构建配对 MSA 并在检测到冒号时运行多聚体模型。单体则省略 --model-type 和冒号。示例：colabfold_batch input.fasta out --num-recycle 3 --model-type alphafold2_multimer_v3。--templates 与 --amber 分别添加 PDB 模板和 OpenMM 弛豫，默认关闭，且每个模型会增加数分钟。
限制与注意事项：不支持配体或核酸，这类任务应改用 boltz、chai1 或 openfold3。在 gVisor 沙箱下，colabfold/batch.py 导入时硬设 TF_FORCE_UNIFIED_MEMORY=1 和 XLA_PYTHON_CLIENT_MEM_FRACTION=4.0，而 gVisor 不支持统一内存，会导致 JAX 在加载 AF2 参数时无限循环分配主机内存，任务看似挂起且不报错；需在导入前覆盖这两个变量（TF_FORCE_UNIFIED_MEMORY=0、fraction 0.95），或在镜像构建时用 sed 删除这两处赋值。MSA 服务器是耗时瓶颈且为公共限流资源，默认 --msa-mode mmseqs2_uniref_env 会把序列提交到 api.colabfold.com；批量任务可先用 --msa-only 运行一次 MSA 阶段，保留 .a3m 文件，后续运行把该目录作为输入，GPU 阶段即可立即开始且不再访问服务器。常见错误：任务在 Running model_1 时静默挂起且主机内存攀升，属统一内存循环问题；XLA 编译时 RESOURCE_EXHAUSTED/OOM，说明 XLA_PYTHON_CLIENT_MEM_FRACTION 过高，可降到 0.9 左右；MSA 阶段卡在 Submitting job，说明公共 MMseqs2 服务器限流，可等待或用 --msa-only 预计算后从缓存 .a3m 重跑。许可：ColabFold 代码为 MIT，AlphaFold2 代码为 Apache-2.0，AF2 模型参数为 CC-BY-4.0 并受 DeepMind 使用条款约束。