Alphafold2环境安装（非Docker方式）2023

gnodez

已于 2023-06-29 21:34:43 修改

阅读量3.3k

点赞数 3

分类专栏： CADD 文章标签： conda 深度学习

于 2023-06-29 21:34:41 首次发布

本文链接：https://blog.csdn.net/gnodez/article/details/131462621

版权

CADD 专栏收录该内容

1 篇文章

订阅专栏

上个月Alphafold官方更新了OpenMM库版本，因此非Docker方式安装环境较之前教程有些不同，故在此记录一下。

alphafold2官方源码仓库

Upgrade OpenMM from 7.5.1 to 7.7.0

创建一个新的conda环境指定python版本，这里使用官方推荐的3.8
```
conda create --name alphafold python==3.8
```
激活环境
```
conda activate alphafold 
```
安装依赖
cudnn和cudatoolkit需根据自己电脑配置
通过nvidia-smi或者dpkg -l | grep cudnn查询cuda和cudnn版本，我这里显示cuda11.7为driver API，cuda11.3为runtimeAPI，cudnn版本为8.2.1.32

依次执行如下指令，等待安装完成（这里我将cudatoolkit版本号设置为与11.3.0，即与runtimeCUDA版本相同）
```
conda install -y -c conda-forge openmm=7.7.0 cudatoolkit==11.3.0 pdbfixer 
```
```
conda install -y -c bioconda hmmer==3.3.2 hhsuite==3.3.0 kalign2==2.04
```

克隆alphafold仓库并进入(这里我用了镜像)

git clone https://hub.fgit.ml/deepmind/alphafold.git

cd alphafold

下载化学性质到common文件夹

wget -q -P alphafold/alphafold/common/ https://git.scicore.unibas.ch/schwede/openstructure/-/raw/7102c63615b64735c4941278d92b554ec94415f8/modules/mol/alg/src/stereo_chemical_props.txt

继续配置相关依赖
在项目根目录下创建requirements.txt文件，并添加如下内容并保存。
```
absl-py==1.0.0 
biopython==1.79
chex==0.0.7
dm-haiku==0.0.9
dm-tree==0.1.6
docker==5.0.0
immutabledict==2.0.0
ml-collections==0.1.0
pillow
numpy==1.21.6
pandas==1.3.4
scipy==1.7.3
tensorflow
```
安装requirements.txt中的依赖
```
pip install -r requirements.txt
```
安装jaxlib
```
pip install --upgrade  jax==0.3.25  jaxlib==0.3.25+cuda11.cudnn82 -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html
```
注：这里jaxlib版本要下载正确，与cuda的版本一致，我的cuda版本为11.3，cudnn版本为8.2.1.32，选择 jaxlib==0.3.25+cuda11.cudnn82 也能正常使用。大家可以去jax_cuda_releases，查看自己系统对应的jaxlib版本并修改上面的命令
验证环境是否安装成功
```
python run_alphafold_test.py
```
出现以下内容，就说明安装好了。
数据集下载
官方下载教程：https://github.com/deepmind/alphafold#genetic-databases

默认推荐下载所有数据集解压后大概2.6T
这里我选择下载到alphafold项目目录下的dataset文件夹中
```
bash scripts/download_all_data.sh /export/home/lzd/CADD/alphafold/dataset
```
同时官方提供了简化数据集的下载方式解压后大概0.8T
```
bash scripts/download_all_data.sh /export/home/lzd/CADD/alphafold/dataset  reduced_dbs
```
注：使用reduced_dbs参数后将下载small_bfd数据集而不下载bfd数据集，后面运行AlphaFold时， AlphaFold参数--db_preset需修改为--db_preset=reduced_dbs

以上命令需搭配aria2c使用，也可使用其他下载器下载至指定文件夹中进行解压。

下面以使用IDM下载alphafold_params为例。
1. 打开download_alphafold_params.sh文件查看资源下载路径和保存路径，如图所示。
2. 复制资源下载路径到IDM完成alphafold_params_2022-12-06.tar下载。
3. 在alphafold项目根目录下新建dataset文件夹用来保存所有数据集，然后在dataset文件夹下新建params文件夹与上图中资源保存路径一致。
4. 这里我将alphafold_params_2022-12-06.tar下载到了本地，然后使用winSCP上传至服务器中，保存在刚才新建的params文件夹下。
5. 因为我们已经下载好了所需资源文件，所以将download_alphafold_params.sh中的下载命令注释掉
```
# aria2c "${SOURCE_URL}" --dir="${ROOT_DIR}"
```
6. 运行download_alphafold_params.sh进行解压
```
bash scripts/download_alphafold_params.sh /export/home/lzd/CADD/alphafold/dataset
```
  其他数据集也可按照类似方式进行下载。