ubuntu:neuralplexer2安装与使用（小白向）

PubMed链接：zrqiao/NeuralPLexer: NeuralPLexer: State-specific protein-ligand complex structure prediction with a multi-scale deep generative model (github.com)

第一步：配置显卡驱动

1.安装英伟达显卡的驱动版本（手动配置）

1.1确认你的显卡支持和兼容的CUDA版本

nvidia-smi

注：neuralplexer2要求CUDA>=10.2

1.2CUDA安装

官网链接：

CUDA Toolkit Archive | NVIDIA Developer

并不一定要安装最高的适配版本，因为后续要和PyTorch适配，我这里安装的就是12.1。

#官网指导的安装代码
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.2.1/local_installers/cuda-repo-ubuntu2004-12-2-local_12.2.1-535.86.10-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-12-2-local_12.2.1-535.86.10-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2004-12-2-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

安装过程中安装指示进行即可，安装过程和环境变量的配置可以参考：

[CUDA][cudnn][小白向]ubuntu环境下指定版本安装教程_cuda安装deb local和network-CSDN博客

1.3cudnn安装

官网链接：

cuDNN Archive | NVIDIA Developer

软件的下载和环境配置也可以参考上文的链接，需要注意我的这个路径/usr/local/cuda/就不对，应该是/usr/local/cuda-12.1/，大家需要自行检查一下，按照实际情况修改。

#将以下代码保存为GPU_test.py
import torch
import time

# 创建大张量
size = 10000
x_cpu = torch.randn(size, size)
y_cpu = torch.randn(size, size)

# 在 CPU 上进行矩阵乘法
start_time_cpu = time.time()
z_cpu = torch.mm(x_cpu, y_cpu)
end_time_cpu = time.time()

print("CPU Matrix multiplication took {:.2f} seconds".format(end_time_cpu - start_time_cpu))

# 将张量转移到 GPU
x_gpu = torch.randn(size, size, device='cuda:0')
y_gpu = torch.randn(size, size, device='cuda:0')

# 在 GPU 上进行矩阵乘法
start_time_gpu = time.time()
z_gpu = torch.mm(x_gpu, y_gpu)
end_time_gpu = time.time()

print("GPU Matrix multiplication took {:.2f} seconds".format(end_time_gpu - start_time_gpu))

python GPU_test.py #运行

显示以下结果表示驱动配置成功，可以看到GPU矩阵运算比CPU快很多

2.安装NeuralPLexer2

github链接：

zrqiao/NeuralPLexer: NeuralPLexer: State-specific protein-ligand complex structure prediction with a multi-scale deep generative model (github.com)

按照作者提示下载模型数据和libmambda（这个可以加速conda，建议安装）

#下载模型数据
wget https://doi.org/10.5281/zenodo.10373581
#我下载很慢，换镜像也没用，最后我是在手机上下载下来传到服务器上的。。。

#conda 22.11 update: The libmamba solver’s experimental flag has been removed. To use the new solver, update conda in your base environment:

conda update -n base conda

#To install and set the new solver, run the following commands:

conda install -n base conda-libmamba-solver
conda config --set solver libmamba

#克隆安装包
git clone https://github.com/zrqiao/NeuralPLexer.git 
#配置环境
make environment
#安装包下载
make install

注：

1.安装速度慢可以更改镜像设置或者直接指定镜像：

pip install package-name -i https://pypi.tuna.tsinghua.edu.cn/simple

2.pip clone安装过程中出现报错，直接去github上手动安装即可

3.我在安装安装 openfold时候出现了以下报错

需要配置中使用 cudatoolkit-dev而不是 cudatoolkit，并将 mkl 降级为 mkl=2024.0.0，即可安装成功

#conda install cudatoolkit-dev #我并没有进行该操作
conda install mkl=2024.0.0

也可以直接跳过手动安装的步骤直接使用conda安装 cudatoolkit-dev，只是对应的配置需要调整。

3.运行NeuralPLexer2

3.1.1已知蛋白下载pdb：UniProt

3.1.2未知蛋白预测蛋白结构获得pdb

 我目前的问题是，该软件直接输入fasta蛋白序列文件的功能我不能使用，只能利用alphafold3预测完蛋白结构后得到cif文件，再用Chimera转换成pdb文件，有点麻烦，该问题有待解决。

alphafold3官网

https://golgi.sandbox.google.com/

在这里输入蛋白序列文件，下载会得到多个预测的cif文件，选择排序最靠前的就行

Chimera软件用法很简单，打开cif文件，保存为pdb文件即可，Chimera安装官网：

Download UCSF Chimera

3.2.下载sdf：TCMSP - Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform (tcmsp-e.com)

 注：我这里是中药相关的数据库，其实直接在pubchem cid中搜索就可以:

PubChem (nih.gov)

3.3文件格式修改

#把1.pdb和1.sdf修改一下即可
#uniprot下载的需要预处理，alphafold2预测的不需要
grep ' WITH ' ./1.pdb >> 1.fina.pdb && grep 'CRYST1' ./1.pdb >> 1.fina.pdb && grep 'ATOM' ./1.pdb >> 1.fina.pdb && grep '^TER' ./1.pdb >> 1.fina.pdb && echo 'END' >> 1.fina.pdb
#TCMSP下载需预处理
awk '/END/ {print; exit} {print}' 1.sdf >> 1.fina.sdf && sed -i '1s/.*/5ze6_ligand/' 1.fina.sdf

3.4运行命令

根据作者github上的说明运行命令即可，详见原网站

 github链接：

zrqiao/NeuralPLexer: NeuralPLexer: State-specific protein-ligand complex structure prediction with a multi-scale deep generative model (github.com)