alphafold2_jax预测蛋白质三维结构的深度学习模型

最新推荐文章于 2024-09-10 20:08:27 发布

技术瘾君子1573

最新推荐文章于 2024-09-10 20:08:27 发布

阅读量886

点赞数 15

分类专栏：人工智能&深度学习&机器学习文章标签：深度学习人工智能算法模型蛋白质预测

本文链接：https://blog.csdn.net/qq_27815483/article/details/139771576

版权

人工智能&深度学习&机器学习专栏收录该内容

144 篇文章 3 订阅

订阅专栏

AF2

论文

Highly accurate protein structure prediction with AlphaFold | Nature

模型结构

模型核心是一个基于Transformer架构的神经网络，包括两个主要组件：Sequence to Sequence Model和Structure Model，这两个组件通过迭代训练进行优化，以提高其预测准确性。

算法原理

AlphaFold2通过从蛋白质序列和结构数据中提取信息，使用神经网络模型来预测蛋白质三维结构。

环境配置

提供光源拉取推理的docker镜像：

docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:alphafold2-2.3.2-dtk23.10-py38
# <Image ID>用上面拉取docker镜像的ID替换
# <Host Path>主机端路径
# <Container Path>容器映射路径
docker run -it --name alphafold --privileged --shm-size=32G  --device=/dev/kfd --device=/dev/dri/ --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --ulimit memlock=-1:-1 --ipc=host --network host --group-add video -v <Host Path>:<Container Path> <Image ID> /bin/bash

镜像版本依赖：

DTK驱动：dtk23.10
Jax: 0.3.25
TensorFlow2: 2.11.0
python: python3.8

数据集

推荐使用AlphaFold2中的开源数据集，包括BFD、MGnify、PDB70、Uniclust、Uniref90等,数据集大小约2.62TB。数据集格式如下：

$DOWNLOAD_DIR/                             
    bfd/  
        bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt_hhm.ffindex
        bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt_hhm.ffdata 
        bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt_cs219.ffindex                           
        ...
    mgnify/                                
        mgy_clusters_2022_05.fa
    params/                                
        params_model_1.npz
        params_model_2.npz
        params_model_3.npz
        ...
    pdb70/                                
        pdb_filter.dat
        pdb70_hhm.ffindex
        pdb70_hhm.ffdata
        ...
    pdb_mmcif/                            
        mmcif_files/
            100d.cif
            101d.cif
            101m.cif
            ...
        obsolete.dat
    pdb_seqres/                            
        pdb_seqres.txt
    small_bfd/                           
        bfd-first_non_consensus_sequences.fasta
    uniref30/                            
        UniRef30_2021_03_hhm.ffindex
        UniRef30_2021_03_hhm.ffdata
        UniRef30_2021_03_cs219.ffindex
        ...
    uniprot/                               
        uniprot.fasta
    uniref90/                             
        uniref90.fasta

此处提供了一个脚本download_all_data.sh用于下载使用的数据集和模型文件：

./scripts/download_all_data.sh 数据集下载目录

数据集快速下载中心：SCNet AIDatasets ，项目中数据集可从快速下载通道下载：alphafold 。

推理

分别提供了基于Jax的单体和多体的推理脚本.

    # 进入工程目录
    cd alphafold2_jax

单体

    ./run_monomer.sh

单体推理参数说明：download_dir为数据集下载目录，monomer.fasta为推理的单体序列；--output_dir为输出目录；model_names为推理的模型名称，--model_preset=monomer为单体模型配置；--run_relax=true为进行relax操作；--use_gpu_relax=true为使用gpu进行relax操作（速度更快，但可能不太稳定），--use_gpu_relax=false为使用CPU进行relax操作（速度慢，但稳定）；若添加--use_precomputed_msas=true则可以加载已有的MSAs，否则默认运行MSA工具。

多体

    ./run_multimer.sh

多体推理参数说明：multimer.fasta为推理的多体序列，--model_preset=multimer为多体模型配置；--num_multimer_predictions_per_model为每个模型预测数量，其他参数同单体推理参数说明一致。

result

--output_dir目录结构如下：

<target_name>/
    features.pkl
    ranked_{0,1,2,3,4}.pdb
    ranking_debug.json
    relaxed_model_{1,2,3,4,5}.pdb
    result_model_{1,2,3,4,5}.pkl
    timings.json
    unrelaxed_model_{1,2,3,4,5}.pdb
    msas/
        bfd_uniclust_hits.a3m
        mgnify_hits.sto
        uniref90_hits.sto
        ...

查看蛋白质3D结构