调用 AlphaFold Python API 做蛋白质结构预测从序列到三维结构的完整实操【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafoldAlphaFold 把蛋白质氨基酸序列转成三维结构是蛋白质结构预测里最常被调用的开源实现。本文用它的 Python API 走一遍完整流程备料、推理、验货。你会碰到三个真正干活的对象——DataPipeline负责把序列喂成模型能吃的特征RunModel负责吐出原子坐标AmberRelaxation负责把坐标捋顺并写成 PDB。下面按真实工作流走一遍代码量很小能直接跑。一条序列是怎么变成三维结构的在动手之前先有张地图避免一会儿写代码写晕。整个链路其实就四段你手里一条氨基酸序列先去数据库里搜出一大堆远房亲戚同家族的已知序列做参考这一步叫 MSA多序列比对再顺便找几个长得像的已知结构当模板然后把这些信息打包成一个特征字典交给神经网络做推理推理出来的是原子坐标但还带一点模型毛刺最后用分子力场松弛一下落成标准 PDB。理解了这条链下面四段代码各自对应哪个环节就一目了然了。环境怎么搭、数据库怎么准备跑通预测前先得有代码和模型参数。代码从仓库克隆下来装上 Python 依赖并把它作为包安装模型参数单独放一个目录之后用路径指过去即可。git clone https://gitcode.com/GitHub_Trending/al/alphafold alphafold pip install -r alphafold/requirements.txt pip install -e alphafold数据库是另一个大头。它决定 MSA 搜得有多全scripts/download_all_data.sh能一键拉全但完整体积约 2.2TB日常开发没必要。更现实的做法是只下 UniRef90、MGnify、BFD、PDB70、PDB mmCIF 这几块路径约定好、能对上DataPipeline的参数就行。参数文件用scripts/download_alphafold_params.sh单独拉缺了它后面会直接报文件找不到。先用数据管道给模型备料DataPipeline是备料的主力你只需把每个工具的二进制路径、每套数据库的路径告诉它它就会自己跑 jackhmmer、hhblits、hhsearch 这些比对程序。这里的为什么是模型自己不读原始序列它读的是 MSA 和模板拼出来的特征所以这一步的质量直接决定预测上限。from alphafold.data import pipeline, templates from alphafold.data.tools import hhsearch data_pipeline pipeline.DataPipeline( jackhmmer_binary_path/usr/bin/jackhmmer, hhblits_binary_path/usr/bin/hhblits, uniref90_database_pathf{data_dir}/uniref90/uniref90.fasta, mgnify_database_pathf{data_dir}/mgnify/mgy_clusters_2022_05.fasta, bfd_database_pathf{data_dir}/bfd/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt, uniref30_database_pathf{data_dir}/uniref30/UniRef30_2021_03, template_searcherhhsearch.HHSearch( binary_path/usr/bin/hhsearch, databases[f{data_dir}/pdb70/pdb70]), template_featurizertemplates.HhsearchHitFeaturizer( mmcif_dirf{data_dir}/pdb_mmcif/mmcif_files, max_template_date2021-12-01, max_hits20, kalign_binary_path/usr/bin/kalign), use_small_bfdFalse, ) feature_dict data_pipeline.process(input.fasta, msa_output)跑完processfeature_dict里就有 MSA、模板、序列三类特征了。msa_output目录会被它用来缓存比对结果后面复跑同一序列能省时间。让 RunModel 出坐标备料完成后把特征喂给RunModel。它内部先process_features把 NumPy 特征字典规整成模型形状再predict出结果字典。之所以先做process_features再predict是因为这两步用的随机种子可以分开控制方便你复现同一次预测。from alphafold.model import model, config, data model_name model_1 model_config config.model_config(model_name) model_params data.get_model_haiku_params(model_namemodel_name, data_dirdata_dir) model_runner model.RunModel(model_config, model_params) processed model_runner.process_features(feature_dict, random_seed42) result model_runner.predict(processed, random_seed42)result是个字典拿到手后先看这几个键structure_module里是原子坐标final_atom_positionspredicted_lddt是逐残基的置信度 logitspredicted_aligned_error是对齐误差的 logits另外代码会自动帮你算好现成的plddt和predicted_aligned_error数组读结果时直接用现成的更省事。松弛并落成 PDB模型吐出的坐标还带着毛刺AmberRelaxation用分子力场把它捋顺并补上氢原子再交给protein.to_pdb落盘。注意 B 因子用 pLDDT 填进去这样在可视化工具里颜色就能反映置信度。from alphafold.common import protein, residue_constants from alphafold.relax import relax import numpy as np plddt result[plddt] b_factors np.repeat(plddt[:, None], residue_constants.atom_type_num, axis-1) unrelaxed protein.from_prediction( featuresprocessed, resultresult, b_factorsb_factors, remove_leading_feature_dimensionFalse, ) amber_relaxer relax.AmberRelaxation( max_iterations0, tolerance2.39, stiffness10.0, exclude_residues[], max_outer_iterations3, use_gpuTrue, ) relaxed_pdb, _, _ amber_relaxer.process(protunrelaxed) open(predicted.pdb, w).write(relaxed_pdb)use_gpuTrue时松弛会明显更快如果结构里有比较刁钻的残基把max_outer_iterations调大一点能覆盖到更多需要反复修的情况。怎么读懂 pLDDT 和 PAE这两个数别混着看它们回答的是两个不同的问题。pLDDT 是每个残基靠不靠谱。打个比方它像老师给每个单词打的置信分90 以上的区域模型很确定它摆在这儿坐标基本能信50 到 70 之间骨架大方向对但细节晃低于 50 的多是无序区模型干脆没把握。读结构时先看这条曲线低分的尾巴通常不用纠结。PAE 是任意两个残基之间的相对位置有多稳。它是一张二维矩阵你可以把它想成谁和谁挨着是确定的如果两块在序列上离得很远但它们在矩阵里对应的格子误差很小说明这两块在空间里确实是稳定挨在一起的——对找结合界面、看结构域相对取向特别有用。想看 PAE 矩阵把现成的误差数组画出来就行from alphafold.common import confidence import matplotlib.pyplot as plt pae confidence.compute_predicted_aligned_error( logitsresult[predicted_aligned_error][logits], breaksresult[predicted_aligned_error][breaks]) plt.figure(figsize(8, 8)) plt.imshow(pae[predicted_aligned_error], cmapviridis) plt.colorbar(labelPAE (Å)) plt.title(Predicted Aligned Error) plt.show()逐残基的 pLDDT 也可以直接用confidence.compute_plddt(result[predicted_lddt][logits])从 logits 算出来再存成 JSON 随结构一起走。踩坑速查显存 / 内存不够use_small_bfdTrue换小数据库或把 MSA 上限调小超长序列考虑切片预测。数据库体积吓人完整下载约 2.2TB见scripts/download_all_data.sh开发测试只下用到的几块即可。不想每次重搜 MSA给DataPipeline传use_precomputed_msasTrue命中msa_output里已有文件就直接读不再跑比对。get_model_haiku_params报文件找不到参数没下先跑scripts/download_alphafold_params.sh再确认data_dir指向对。RunModel慢得离谱多半是 JAX 没识别到 GPU确认 CUDA 配置正确。极端结构松弛不干净把max_outer_iterations调大让力场多修几轮。接下来可以看什么上面这条单体链路通了之后很多事就是换参数的活跑多链复合物把数据管道换成pipeline_multimer.DataPipeline、模型名改成model_1_multimer其余结构基本一样细节可看 alphafold/data/pipeline_multimer.py。想要更完整的可运行示例notebooks/AlphaFold.ipynb 里有带可视化的全流程想抠模型内部机制去读 docs/technical_note_v2.3.0.md 和 run_alphafold.py 的组装方式。数据库怎么下、下到哪儿对照 scripts/download_all_data.sh 一路点过去就行。【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考