蛋白质主链设计模型-RFdiffusion安装教程

张小九99

已于 2025-02-20 17:43:53 修改

阅读量469

点赞数 11

分类专栏： Protein Design 文章标签： github 人工智能深度学习

于 2025-02-19 20:43:54 首次发布

本文链接：https://blog.csdn.net/qq_41025456/article/details/145738172

版权

Protein Design 专栏收录该内容

5 篇文章

订阅专栏

1、克隆项目到本地服务器：

git clone https://github.com/RosettaCommons/RFdiffusion.git

2、下载RFDiffusion的权重文件：

cd RFdiffusion
mkdir models && cd models
wget http://files.ipd.uw.edu/pub/RFdiffusion/6f5902ac237024bdd0c176cb93063dc4/Base_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/e29311f6f1bf1af907f9ef9f44b8328b/Complex_base_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/60f09a193fb5e5ccdc4980417708dbab/Complex_Fold_base_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/74f51cfb8b440f50d70878e05361d8f0/InpaintSeq_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/76d00716416567174cdb7ca96e208296/InpaintSeq_Fold_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/5532d2e1f3a4738decd58b19d633b3c3/ActiveSite_ckpt.pt
wget http://files.ipd.uw.edu/pub/RFdiffusion/12fc204edeae5b57713c5ad7dcb97d39/Base_epoch8_ckpt.pt

Optional:
wget http://files.ipd.uw.edu/pub/RFdiffusion/f572d396fae9206628714fb2ce00f72e/Complex_beta_ckpt.pt

# original structure prediction weights
wget http://files.ipd.uw.edu/pub/RFdiffusion/1befcb9b28e2f778f53d47f18b7597fa/RF_structure_prediction_weights.pt

注意：下载权重如果服务器网络不好的话，可以先下载到本地，然后在上传服务器!

3、安装环境及依赖：

# 这一步需要先 cd 到RFdiffusion的文件夹里面
conda env create -f env/SE3nv.yml

# Conda 安装 SE3-Transformer
conda activate SE3nv
cd env/SE3Transformer
pip install --no-cache-dir -r requirements.txt
python setup.py install
cd ../.. # change into the root directory of the repository
pip install -e . # install the rfdiffusion module from the root of the repository

这一步可能会遇到问题：

# 运行测试脚本的时候发现报错，PyTorch不支持CUDA，然后发现通过上述步骤安装的是cup版的Pytorch，所以卸载Pytorch重新安装GPU支持的
conda remove pytorch        #卸载当前的 PyTorch
conda install pytorch==1.9.1 cudatoolkit=11.1 -c pytorch        # 安装支持 CUDA 的 PyTorch

4、执行测试脚本，无条件单体结构的生成：

mkdir 0_output_test    # 创建一个测试文件夹
./scripts/run_inference.py 'contigmap.contigs=[150-150]' inference.output_prefix=0_output_test/test inference.num_designs=10    # 无条件生成10个长度150氨基酸的结构

大功告成！