从一条序列到三维结构AlphaFold 蛋白质结构预测完整指南【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafoldAlphaFold 是 DeepMind 开源的蛋白质结构预测工具输入蛋白质的氨基酸序列即可输出三维结构和逐残基的置信水平。仓库提供 AlphaFold v2 的完整推理管道、复合物预测模块 AlphaFold-Multimer、v2.3.0 技术说明以及一个简化的 Colab 入口。没有这类工具之前研究者卡在哪儿蛋白质的结构过去只能靠实验测定X 射线晶体学、冷冻电镜、核磁共振每条路都费时费钱还有不少蛋白难以结晶、难以测量。结果就是已知序列和已知结构之间隔着一条大缺口研究对象没有实验结构时课题经常停在“等结构”这一步。即便拿到实验结构各个区域有多可信也得靠经验判断。五分钟看懂预测原理MSA、模板和注意力机制各干什么整个流程可以拆成三步。第一步给序列找“亲戚”。MSA多序列比对把目标序列和海量同源序列排在一起对齐保守位置就是结构的线索。AlphaFold 从 BFD、MGnify、UniRef90、PDB70 等遗传数据库里检索这些同源序列。第二步找现成模板。如果 PDB 数据库里有结构上接近目标蛋白的已知实验结构模型就把它当骨架参考少猜很多。第三步神经网络出结构。核心是基于注意力机制的网络大白话说就是“每个残基能同时关注其他所有残基”长距离的空间接触一次捕捉到位。输出后还有一步物理弛豫把局部几何打磨得更平滑。v2.3.0 主要升级了训练数据截止日期延到 2021-09-30电镜结构多 4 倍大结构多 2 倍训练块从 384 个残基扩大到 640大复合物上的准确度明显提升。完整改动见 v2.3.0 技术说明。三种典型用法补实验缺口、做靶点研究、网页跑 demo结构生物学家补实验的缺口。对难结晶的蛋白先拿预测结构指导实验配合 pLDDT预测置信分0 到 100越高越可靠判断哪些区域可以用。需要对照基准时仓库附带了 CASP15 基线预测集。药物研发靶点研究的第一步。预测靶点蛋白的结构观察可能的结合口袋形状用 AlphaFold-Multimer 预测蛋白复合物的组装状态在结合实验之前先拿到结构线索。教学和学生网页上跑通 demo。仓库提供简化版笔记本notebooks/AlphaFold.ipynb不用下载全量数据库非生物背景也能完成从输入序列到输出结构的全流程。上手前必须知道的四条边界其一Multimer 尚不成熟。官方明确写着 AlphaFold-Multimer 是进行中的工作稳定性不如单体系统。目标若是单链蛋白优先用单体版。其二硬件和数据成本是真实的。全量数据库下载 556GB、解压后 2.62TB需要最多 3TB 磁盘空间只支持 Linux建议配 NVIDIA GPU。机器有限可改用 reduced_dbs 轻量预设8 核 CPU、8GB 内存、600GB 磁盘就能跑。其三数据库和模型都可配置。数据库有全量与轻量两档模型预设涵盖单体、带置信分单体、多链等版本模板检索还能限定截止日期。其四结果要结合置信度解读。每个预测都带置信度输出明确仅供理论建模不可用于临床用途复现 CASP14 结果时还需匹配特定数据库版本个别靶点多次运行结果差异较大。代码以 Apache 2.0 授权模型参数按 CC BY 4.0 发布。稳妥的路径是先在 Colab 笔记本里跑通建立感觉再决定是否在自己的机器上部署完整管道若用于研究记得引用 AlphaFold 论文。【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