本文详细解读了AlphaFold2的run_alphafold.py脚本中的关键参数设置，涉及fasta文件、数据库路径、输出目录、软件执行路径及预设模型等。通过absl库定义参数，解释了多聚体预测与单体处理的区别，以及模型配置和数据预处理流程。
AlphaFold2源码解析(2)–推理参数说明
运行的入口脚本文件： run_alphafold.py(这里讲解的都是以单体序列为例)
其中，参数接受使用了第三方包：absl
flags.DEFINE_list（）：设置命令行需要的参数，在运行代码时直接传入。list为参数数据类型，为list
flags.DEFINE_string（）：参数类型为String字符串
from absl import flags
flags.DEFINE_string('data_dir', None, 'Path to directory of supporting data.')
代码前面定义了参数如下（按顺序）：
| 参数名 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| fasta_paths | list | None | 想要预测的fasta文件路径，以逗号分隔 |
| data_dir | string | None | 支持的数据的路径（数据库路径） |
| output_dir | string | None | 输出文件路径，存储结果 |
| {jackhmmer、hhblits、hhsearch、hmmsearch、hmmbuild、kalign、}_binary_path | string | shutil.which(‘jackhmmer’) 可执行文件的路径 | 这些软件的可执行文件路径 |
| {uniref90、mgnify、bfd、small_bfd、uniclust30、uniprot、pdb70、pdb_seqres、}_database_path | string | None | 需要的数据库路径 |
| template_mmcif_dir | string | None | 具有模板mmCIF结构的文件的路径 mmcif：网络大分子晶体学信息文件 |
| max_template_date | string | None | 最大模板发布日期。（如果需要折叠，在数据库中搜索的最大日期） |
| obsolete_pdbs_path | sring | None | 包含从过时PDB ID到其替换PDB ID的映射的文件路径 |
| db_preset | enum | 默认值：full_dbs枚举列表：[full_dbs，reduced_dbs] | 预设的MSA数据库；full_dbs：完整的基因数据库，reduced_dbs：完整的基因数据库 |
| model_preset | enum | 默认值：monomer 枚举列表：[‘monomer’, ‘monomer_casp14’, ‘monomer_ptm’, ‘multimer’] | 预设的模型具有额外加密的单体模型、casp14单体模型、带有ptm头的单体模型、多聚体模型 |
| benchmark | Boolean | False | 运行多个JAX模型评估以获得时间（不包括编译时间），更能代表预测蛋白质所需的时间 |
| random_seed | integer | None | 随机种子，随机生成的 |
| num_multimer_predictions_per_model | integer | 5 | 每个模型生成多少个预测结果。仅仅用于当model_preset ==multimer时 |
| use_precomputed_msas | Boolean | False | 是否读取已写入磁盘的MSA，而不是运行MSA工具。 |
| run_relax | Boolean | True | 是否对预测模型AMBER分子动力学优化 |
| use_gpu_relax | Boolean | None | AMBER是否使用GPU |
MAX_TEMPLATE_HITS = 20 # 选中模版的最大数量
## 下面是AMBER软件的优化参数
RELAX_MAX_ITERATIONS = 0
RELAX_ENERGY_TOLERANCE = 2.39
RELAX_STIFFNESS = 10.0
RELAX_EXCLUDE_RESIDUES = []
RELAX_MAX_OUTER_ITERATIONS = 3
必须要有的参数列表（fasta文件、输出文件、数据库文件模板文件路径）、运行main函数
if __name__ == '__main__':
flags.mark_flags_as_required([
'fasta_paths',
'output_dir',
'data_dir',
'uniref90_database_path',
'mgnify_database_path',
'template_mmcif_dir',
'max_template_date',
'obsolete_pdbs_path',
'use_gpu_relax',
])
app.run(main)
- 检查参数合不合法、检查工具是否都存在
_check_flag()函数：检查输入的参数合不合法num_ensemble：（这里不知道是啥意思）？？？
如果使用casp14的模型，则num_ensemble = 8，其他等于1- 检查fasta文件名是否重复，set自动去重
fasta_names = [pathlib.Path(p).stem for p in FLAGS.fasta_paths]
if len(fasta_names) != len(set(fasta_names)):
raise ValueError('All FASTA paths must have a unique basename.')
run_multimer_system：多聚体True，其他False。
两种模式创建对象的方式不同：创建并实例化两个对象template_search、template_featurizer
hmmsearch.py是hmm 的python包：根据序列数据库搜索配置文件
hmmbuild.py：从MSA构造HMM配置文件
TemplateHitFeaturizer：将模板hits转换为模板特征
HmmsearchHitFeaturizer：将a3m hits从hmmsearch转换成模板特征
if run_multimer_system:
template_searcher = hmmsearch.Hmmsearch(
binary_path=FLAGS.hmmsearch_binary_path,
hmmbuild_binary_path=FLAGS.hmmbuild_binary_path,
database_path=FLAGS.pdb_seqres_database_path)
template_featurizer = templates.HmmsearchHitFeaturizer(
mmcif_dir=FLAGS.template_mmcif_dir,
max_template_date=FLAGS.max_template_date,
max_hits=MAX_TEMPLATE_HITS,
kalign_binary_path=FLAGS.kalign_binary_path,
release_dates_path=None,
obsolete_pdbs_path=FLAGS.obsolete_pdbs_path)
else:
template_searcher = hhsearch.HHSearch(
binary_path=FLAGS.hhsearch_binary_path,
databases=[FLAGS.pdb70_database_path])
template_featurizer = templates.HhsearchHitFeaturizer(
mmcif_dir=FLAGS.template_mmcif_dir,
max_template_date=FLAGS.max_template_date,
max_hits=MAX_TEMPLATE_HITS,
kalign_binary_path=FLAGS.kalign_binary_path,
release_dates_path=None,
obsolete_pdbs_path=FLAGS.obsolete_pdbs_path)
monomer_data_pipeline = pipeline.DataPipeline(
jackhmmer_binary_path=FLAGS.jackhmmer_binary_path,
hhblits_binary_path=FLAGS.hhblits_binary_path,
uniref90_database_path=FLAGS.uniref90_database_path,
mgnify_database_path=FLAGS.mgnify_database_path,
bfd_database_path=FLAGS.bfd_database_path,
uniclust30_database_path=FLAGS.uniclust30_database_path,
small_bfd_database_path=FLAGS.small_bfd_database_path,
template_searcher=template_searcher,
template_featurizer=template_featurizer,
use_small_bfd=use_small_bfd,
use_precomputed_msas=FLAGS.use_precomputed_msas)
6.monomer_data_pipeline 单体数据管道
pipeline.py：用于为alfhafold模型构建输入特征的函数
DataPipeline：运行对齐工具并组装输入特征的类
创建并实例化对象monomer_data_pipeline
monomer_data_pipeline = pipeline.DataPipeline(
jackhmmer_binary_path=FLAGS.jackhmmer_binary_path,
hhblits_binary_path=FLAGS.hhblits_binary_path,
uniref90_database_path=FLAGS.uniref90_database_path,
mgnify_database_path=FLAGS.mgnify_database_path,
bfd_database_path=FLAGS.bfd_database_path,
uniclust30_database_path=FLAGS.uniclust30_database_path,
small_bfd_database_path=FLAGS.small_bfd_database_path,
template_searcher=template_searcher,
template_featurizer=template_featurizer,
use_small_bfd=use_small_bfd,
use_precomputed_msas=FLAGS.use_precomputed_msas)
- 多聚体和其他两种情况：
是：一个模型生成多少个预测结果、多聚体数据管道对象（传入多聚体数据管道）
否：1、数据管道=单体数据管道
if run_multimer_system:
num_predictions_per_model = FLAGS.num_multimer_predictions_per_model
data_pipeline = pipeline_multimer.DataPipeline(
monomer_data_pipeline=monomer_data_pipeline,
jackhmmer_binary_path=FLAGS.jackhmmer_binary_path,
uniprot_database_path=FLAGS.uniprot_database_path,
use_precomputed_msas=FLAGS.use_precomputed_msas)
else:
num_predictions_per_model = 1
data_pipeline = monomer_data_pipeline
model_names= 根据model不同读取不同的预设model名字
获取模型配置：model_config，根据模型的不同num_ensemble的设置位置不同。（多聚体与其他）
获取模型参数、运行模型预测，一个模型预测几个结果就设置几个模型运行器model_runder（只有多聚体大于1，单体为1）
model_runners = {}
model_names = config.MODEL_PRESETS[FLAGS.model_preset]
for model_name in model_names:
model_config = config.model_config(model_name)
if run_multimer_system:
model_config.model.num_ensemble_eval = num_ensemble
else:
model_config.data.eval.num_ensemble = num_ensemble
model_params = data.get_model_haiku_params(
model_name=model_name, data_dir=FLAGS.data_dir)
model_runner = model.RunModel(model_config, model_params)
for i in range(num_predictions_per_model):
model_runners[f'{model_name}_pred_{i}'] = model_runner
logging.info('Have %d models: %s', len(model_runners),
list(model_runners.keys()))
config.py：模型配置
model_config()：如果是多聚体，返回ConfigDict类（CONFIG_MULTIMER 模型）；如果不是多聚体，模型名字也不是其他两个，报错；如果是其他类型，
copy.deepcopy()：深复制函数，完全复制，新变量的改变不会影响原变量的值，相当于复制了一块内存。
cfg.update_from_flattened_dict(CONFIG_DIFFS[name])：把cfg字典中的键值和CONFIG_DIFFS[name]一样的键值更新，因为CONFIG_DIFFS中只有模型参数，所以只更新了模型参数。
def model_config(name: str) -> ml_collections.ConfigDict:
"""Get the ConfigDict of a CASP14 model."""
if 'multimer' in name:
return CONFIG_MULTIMER
if name not in CONFIG_DIFFS:
raise ValueError(f'Invalid model name {name}.')
cfg = copy.deepcopy(CONFIG)
cfg.update_from_flattened_dict(CONFIG_DIFFS[name])
return cfg
update_from_flattened_dict()函数:
update_from_flattened_dict(self, flattened_dict, strip_prefix='')
Args:
flattened_dict: A mapping (key path) -> value.
strip_prefix: A prefix to be stripped from `path`. If specified, only
paths matching `strip_prefix` will be processed.
For example, consider we have the following values returned as flags::
flags = {
'flag1': x,
'flag2': y,
'config': 'some_file.py',
'config.a.b': 1,
'config.a.c': 2
}
config = ConfigDict({
'a': {
'b': 0,
'c': 0
}
})
config.update_from_flattened_dict(flags, 'config.')
Then we will now have::
config = ConfigDict({
'a': {
'b': 1,
'c': 2
}
})
data.get_model_haiku_params()model.RunModel()- 如果进行AMBER折叠优化，则
amber_relaxer =xx否则=none
if FLAGS.run_relax:
amber_relaxer = relax.AmberRelaxation(
max_iterations=RELAX_MAX_ITERATIONS,
tolerance=RELAX_ENERGY_TOLERANCE,
stiffness=RELAX_STIFFNESS,
exclude_residues=RELAX_EXCLUDE_RESIDUES,
max_outer_iterations=RELAX_MAX_OUTER_ITERATIONS,
use_gpu=FLAGS.use_gpu_relax)
else:
amber_relaxer = None
- 设置随机种子
random_seed = FLAGS.random_seed
if random_seed is None:
random_seed = random.randrange(sys.maxsize // len(model_runners))
logging.info('Using random seed %d for the data pipeline', random_seed)
- 预测结构
predict_structure()
for i, fasta_path in enumerate(FLAGS.fasta_paths):
fasta_name = fasta_names[i]
predict_structure(
fasta_path=fasta_path,
fasta_name=fasta_name,
output_dir_base=FLAGS.output_dir,
data_pipeline=data_pipeline,
model_runners=model_runners,
amber_relaxer=amber_relaxer,
benchmark=FLAGS.benchmark,
random_seed=random_seed)
参考
https://blog.csdn.net/qq_41856194/article/details/125657911
1196
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
