使用服务器安装和运行AlphaFold

---

前言

在笔者之前的博文中已经介绍过了在线使用Alphafold的方法，参见：
【实用教程】使用AlphaFold2进行蛋白质结构在线预测
但colab毕竟是免费为大家提供服务器资源，所以可供使用的内存和运行时间都是有限的，一般预测1000氨基酸以上的蛋白质服务器内存就已经不足了。因此对于有本地服务器资源的同学，可以使用本地服务器来运行Alphafold，进行更长的蛋白质结构预测。

安装

这里的安装同样使用ColabFold，ColabFold相比于原版的AlphaFold占用空间更少，功能也基本跟原版一样，因此推荐使用。
安装来源：LocalColabFold
（后续教程也主要参考该网址）

下面以linux系统为例介绍安装过程：

确认gcc版本大于等于4.9，因为在4.9版以后gcc才带有GLIBCXX_3.4.20

$ gcc --version
gcc (Ubuntu 9.3.0-17ubuntu1~20.04) 9.3.0
Copyright © 2019 Free Software Foundation, Inc.
This is free software; see the source for copying conditions. There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

激活conda：

$ conda activate

建议新建一个专门的文件夹，并cd到该目录下：

$ cd /home/username/alphafold

将安装脚本下载到该目录下：

$ wget https://raw.githubusercontent.com/YoshitakaMo/localcolabfold/main/install_colabbatch_linux.sh

运行安装：

$ bash install_colabbatch_linux.sh

在运行过程中让你选yes的你就选yes就好。这个LoaclColabFold还会再额外给你安装一个conda环境，这个conda是专门用来跑LocalColabFold的，在安装过程中有一次机会可以修改安装路径，建议一同修改到与LocalColabFold同一目录下而不是使用默认路径。

后续使用的时候如果出现报错Module Name Not Found: PDBfixer的，直接使用conda安装 一个即可：

conda install -c conda-forge pdbfixer

使用步骤

将需要预测的蛋白质序列放到一个表格中，表格以csv（逗号分隔符）格式保存，可以通过excel另存为得到。
表分为两列，第一列为预测的蛋白质名字，第二列为序列，并带有表头。如果需要预测蛋白复合物则以英文冒号:分隔两条序列即可。如：

id	sequence
protein1	MAHHHHHGGSSLLIIA
protein2	MAHHHHHGGSSLLIIA:MAHHHHHGGSSLLIIA

将该csv文件传到服务器上，建议放到跟LocalColabFold同一目录下。

首先cd到安装了LocalColabFold的文件夹中：

cd /home/username/alphafold

激活LocalColabFold安装的conda：

conda activate colabfold_batch/colabfold-conda

运行LocalColabFold：

colabfold_batch --amber --num-recycle 3 --num-model 3 inputfile.csv outputdir/

其中num-recycle和num-model分别指单个模型的循环数和预测的结构数，用的数量越高运行相对也会越慢。
inputfile.csv和outputdir则对应输入文件名和输出结果所存储的目录。

预测完成后直接下载输出文件夹中的文件即可。

预测长度限制主要受服务器配置，尤其是GPU内存大小限制，根据个人经验，预测1000个氨基酸长度的序列大概需要3.5G的GPU内存，2500个氨基酸长度的序列大概需要64G的GPU内存。当用户输入的序列长度超过服务器可承受范围时，LocalColabFold则会报错并退出运行。