AlphaFold3安装教程从一张氨基酸序列到三维结构模型的完整部署指南【免费下载链接】alphafold3AlphaFold 3 inference pipeline.项目地址: https://gitcode.com/gh_mirrors/alp/alphafold3AlphaFold3是DeepMind于2024年推出的蛋白质结构预测系统它把此前只能由冷冻电镜或X射线晶体学耗时数月完成的工作压缩到了几个小时甚至几十分钟。想象一下你手里只有一串由20种字母组成的氨基酸序列AlphaFold3就能给出它的三维折叠形态还能同时预测它和DNA、RNA、小分子配体如何结合。本文将从一张空白的Linux系统出发带你完成AlphaFold3环境配置、遗传数据库下载、模型参数获取、容器构建和首次运行的全过程全程约2小时其中下载数据库占大头每一步都有可验证的检查点跑完你就能得到自己的第一份结构预测结果。开篇先搞清楚AlphaFold3到底吃什么在敲任何一条命令之前值得花两分钟理解AlphaFold3的工作方式否则你很容易在报错里迷失方向。AlphaFold3本质上是一条两条腿的流水线数据管线Data Pipeline把你的氨基酸序列放进已知的遗传数据库里考古找出进化上相关的同源序列这叫MSA多序列比对再找出结构上相似的同源模板。这一步只消耗CPU和内存不碰GPU也是整个流程中最耗时、最吃内存的环节。模型推理Inference把上一步得到的比对信息和模板连同你的原始序列一起喂给神经网络让它在GPU上想象出三维坐标。这一步必须要有NVIDIA GPU。把这条流水线装进容器就是我们要做的全部工作。官方推荐的载体是Docker镜像因为它把CUDA、cuDNN、Python 3.11、HMMER等十几样依赖一次性打包好了——你要做的不是徒手组装这些零件而是把成品镜像拉到自己机器上。部署前自检清单四条必答题答不上来也有Plan B这一节不是泛泛的系统要求罗列而是四道你必须诚实地回答的问题。每一道题我都给了如果达不到怎么办的替代路径。检查项达标标准达不到怎么办操作系统Linux官方在Ubuntu 22.04 LTS上验证用WSL2跑Ubuntu虚拟层或直接租一台云GPU实例显卡NVIDIA GPU算力8.0以上A100/H100 80GB为官方验证配置算力7.x的V100可以跑但需改环境变量见踩坑实录P100只能跑1024 token以内的小目标内存至少64GB RAM长序列目标更多数据管线搜索阶段最吃内存可以拆成先搜索后推理两阶段分别跑在不同机器上存储下载252GB、解压后630GB推荐SSD预算有限就先把全部数据库放机械盘把最常用的几个放SSD--db_dir支持传多个路径另外有一件事需要提前启动模型参数不随代码一起发布需要填写申请表Google DeepMind通常23个工作日审批。所以建议你在准备环境的第一天就把申请提交了让等待和部署并行进行。代码本身即本仓库采用CC BY-NC-SA 4.0许可模型参数则适用独立的AlphaFold3模型参数使用条款收到参数后请先阅读仓库内的WEIGHTS_TERMS_OF_USE.md。阶段一搭好地基——Docker、驱动与GPU透传目标让容器里的程序能看见你的GPU。这个阶段结束的成功标志是跑一条测试命令容器内能打印出完整的nvidia-smi输出。1.1 安装Docker引擎与rootless模式Ubuntu 22.04下先安装Docker官方仓库下面的命令把Docker的签名密钥和软件源写入系统sudo apt-get update sudo apt-get install ca-certificates curl sudo install -m 0755 -d /etc/apt/keyrings sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc sudo chmod ar /etc/apt/keyrings/docker.ascecho deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu $(. /etc/os-release echo $VERSION_CODENAME) stable | sudo tee /etc/apt/sources.list.d/docker.list /dev/null sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin sudo docker run hello-world最后一条docker run hello-world如果打印出问候语说明Docker引擎活了。接下来启用rootless模式让普通用户也能直接操作Docker省去以后每条命令都加sudo的麻烦sudo apt-get install -y uidmap systemd-container sudo machinectl shell $(whoami) /bin/bash -c dockerd-rootless-setuptool.sh install sudo loginctl enable-linger $(whoami) DOCKER_HOSTunix:///run/user/1001/docker.sock docker context use rootless1.2 安装NVIDIA驱动sudo apt-get -y install alsa-utils ubuntu-drivers-common sudo ubuntu-drivers install安装过程中若弹出内核升级对话框选接受。随后执行nvidia-smi验证驱动。如果它报错说无法与驱动通信先重启机器sudo reboot now再试。1.3 给Docker装上NVIDIA插件容器本身看不到GPU需要安装nvidia-container-toolkit这座桥curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \ sed s#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | \ sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list sudo apt-get update sudo apt-get install -y nvidia-container-toolkit nvidia-ctk runtime configure --runtimedocker --config$HOME/.config/docker/daemon.json systemctl --user restart docker sudo nvidia-ctk config --set nvidia-container-cli.no-cgroups --in-place阶段验收运行下面这条命令。如果能看到GPU型号、显存大小和驱动版本说明GPU已经成功透传进容器地基打牢了。docker run --rm --gpus all nvidia/cuda:12.6.0-base-ubuntu22.04 nvidia-smi阶段二备好粮草——代码、数据库与模型参数目标凑齐三样东西——源代码、遗传数据库630GB、模型参数。成功标志三个目录就位且能说出每个数据库是干什么用的。2.1 拉取源代码git clone https://gitcode.com/gh_mirrors/alp/alphafold3.git cd alphafold32.2 下载遗传数据库数据库是AlphaFold3的字典它要查遍这些数据库才知道你的序列在进化史上长什么样。仓库里的fetch_databases.sh脚本会一次性下载全部9个数据库。注意两点下载目录不要放在仓库内部否则构建镜像时会把这些大文件也拷进镜像白白拖慢构建下载用流式解压直接落到目标目录全程约45分钟。建议用screen或tmux开一个会话跑下载避免终端断连导致中断screen -S af3_download ./fetch_databases.sh /home/yourname/public_databases脚本执行完毕检查目录里是否有这些文件名字对得上才算下载完整mmcif_files/ # 约20万个PDB结构文件用于模板搜索 bfd-first_non_consensus_sequences.fasta # 蛋白MSA搜索 mgy_clusters_2022_05.fa # 蛋白MSA搜索 uniref90_2022_05.fa # 构建模板搜索用的profile uniprot_all_2021_04.fa # 多链配对MSA pdb_seqres_2022_09_28.fasta # 模板搜索用序列库 nt_rna_2023_02_23_clust_seq_id_90_cov_80_rep_seq.fasta # RNA搜索 rfam_14_9_clust_seq_id_90_cov_80_rep_seq.fasta # RNA搜索 rnacentral_active_seq_id_90_cov_80_linclust.fasta # RNA搜索如果数据库目录缺少读写权限MSA工具会报出非常费解的外部错误。提前给它放权sudo chmod 755 --recursive /home/yourname/public_databases仓库里还提供了两个可选脚本src/scripts/gcp_mount_ssd.sh用来挂载并格式化SSDsrc/scripts/copy_to_ssd.sh把常用数据库拷到SSD上加速搜索。数据管线对磁盘读取速度极其敏感如果你追求更快的搜索速度这一步很值。2.3 申请并安置模型参数模型参数是神经网络的大脑只能通过官方申请表获取获批后将下载好的权重放到一个单独目录同样别放仓库内记为/home/yourname/models。阶段三构建镜像把一切装进集装箱目标生成可复用的Docker镜像alphafold3。成功标志docker images里能看到它。仓库自带的docker/Dockerfile已经处理好了所有细节它基于nvidia/cuda:12.6.0-base-ubuntu22.04内置Python 3.11虚拟环境、从源码编译的HMMER比对工具集、预置了两个关键的环境变量XLA_FLAGS和XLA_CLIENT_MEM_FRACTION0.95后者让JAX最多占用95%显存从而支撑5120 token的输入。构建只需一条命令docker build -t alphafold3 -f docker/Dockerfile .第一次构建要拉基础镜像、编译HMMER、安装全部Python依赖大约需要十几分钟到半小时取决于网络。构建完成后验证docker images | grep alphafold3首次运行实战让2PV7这个蛋白折出三维结构现在进入最有成就感的环节。我们用一个仓库自带的示例蛋白PDB编号2PV7一条溶菌酶序列跑通全流程。第一步准备输入文件创建一个fold_input.json内容如下。请逐行理解再动手——这是AlphaFold3输入的身份证name任务名会决定输出目录名modelSeeds随机种子列表几个种子就跑几次独立的采样便于比较结果的稳定性sequences分子实体列表可以是蛋白、RNA、DNA或配体dialect和version声明JSON方言为alphafold3版本1或2版本2新增了外部MSA/模板字段。{ name: 2PV7, sequences: [ { protein: { id: [A, B], sequence: GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEWLLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG } ], modelSeeds: [1], dialect: alphafold3, version: 1 }把文件放进~/af_input目录。如果还想预测蛋白与配体、DNA或RNA的复合物sequences数组里可以继续追加rna、dna、ligand类型的对象配体既可以用标准的CCD编号如ccdCodes: [ATP]也可以用SMILES字符串如smiles: CC(O)OC1C[NH]2CCC1CC2——后者的妙处在于能描述CCD里查不到的新分子。第二步启动容器把三个宿主目录映射进容器再挂上GPUmkdir -p ~/af_output docker run -it \ --volume $HOME/af_input:/root/af_input \ --volume $HOME/af_output:/root/af_output \ --volume /home/yourname/models:/root/models \ --volume /home/yourname/public_databases:/root/public_databases \ --gpus all \ alphafold3 \ python run_alphafold.py \ --json_path/root/af_input/fold_input.json \ --model_dir/root/models \ --output_dir/root/af_output这条命令做了什么--volume把宿主目录映射到容器内固定路径--gpus all把GPU交给容器最后一段是容器内执行的预测命令--model_dir告诉它权重在哪--output_dir指定结果落盘位置。第三步读懂屏幕输出启动后你会依次看到这些关键日志它们就是你的进度条Running data pipeline...数据管线开跑Jackhmmer正在数据库里搜索同源序列。此时GPU是闲置的CPU和内存满载耗时通常最长。Featurising data with 1 seed(s)...搜索完成把比对信息转成模型能吃的张量。Running model inference with seed 1...第一次会编译模型耐心等待编译缓存会复用后续输入同尺寸任务快很多。Writing outputs...结果落盘。第四步验收你的第一份结构查看输出目录ls ~/af_output/2PV7/你会看到这样的结构2PV7/ ├── seed-1_sample-0/ ~ seed-1_sample-4/ # 默认每个种子采样5个结构 │ ├── model.cif # 该样本的三维坐标 │ ├── confidences.json # 逐残基置信度 │ └── summary_confidences.json ├── 2PV7_model.cif # 排名最高的结构重点看这个 ├── 2PV7_confidences.json # 最高排名结构的置信度 ├── 2PV7_summary_confidences.json ├── 2PV7_data.json # 数据管线跑完后补全了MSA的完整输入 ├── ranking_scores.csv # 所有样本的排名分数 └── TERMS_OF_USE.md用PyMOL或ChimeraX打开2PV7_model.cif你就能看到自己跑出来的三维结构。别忘了看一眼2PV7_summary_confidences.json里的ranking_score和iptmranking_score越高越好多结构复合物的iptm高于0.8意味着界面预测相当可信低于0.6则要警惕预测失败。踩坑实录四个高频事故的现场还原报错一nvidia-smi 显示NVIDIA-SMI has failed because it couldnt communicate with the NVIDIA driver现象装完驱动后工具无法与驱动通信。根本原因驱动安装后没有重启或内核模块未加载。解决执行sudo reboot now重启若重启后依旧用sudo ubuntu-drivers install重装并核对CUDA版本与驱动版本是否匹配。报错二MSA工具报出莫名其妙的外部错误现象数据管线阶段Jackhmmer/Nhmmer退出错误信息晦涩难懂指向数据库文件。根本原因绝大多数情况是数据库目录或文件权限不足MSA工具无法写入临时文件。解决sudo chmod 755 --recursive DB_DIR并确认磁盘剩余空间足够解压。报错三容器启动时提示error while creating mount source path ... permission denied现象docker run在挂载阶段就失败。根本原因--volume指向的宿主路径不存在或Docker无权创建。解决提前mkdir -p建好输入、输出、模型、数据库四个目录并chmod 755。报错四V100上跑出的结构全是原子碰撞ranking_score低到-99现象推理能跑完但输出的结构布满空间冲突明显是废的。根本原因CUDA算力7.x的GPU如V100存在已知的数值问题官方为此要求关闭特定的HLO编译优化。解决给容器设置环境变量XLA_FLAGS--xla_disable_hlo_passescustom-kernel-fusion-rewriter同时把注意力实现切到--flash_attention_implementationxla。具体做法是在docker run前加-e XLA_FLAGS...。分级进阶调优按你的硬件和需求选路如果你已经跑通基础流程下面三条路按性价比排序按需选择。路线A跑多序列场景、批量出结果中阶把modelSeeds从[1]改为[1, 2, 3]即可一次获得多个独立采样对比稳定性对同一目标想加密采样用--num_seeds让程序从给定种子连续派生。大批量预测时用--input_dir指向一个装满JSON的目录一次任务跑完整个文件夹。路线B省算力、省GPU时间中阶数据管线只吃CPU推理只吃GPU两者可以拆分。先用--norun_inference在便宜的无GPU机器上跑完MSA和模板搜索产出补全了比对信息的*_data.json再把它作为输入在GPU机器上加--norun_data_pipeline只做推理。这样一来同一个*_data.json还可以反复用于不同种子的推理不必每次重新搜索。另外用--jax_compilation_cache_dir指定编译缓存目录可以避免跨多次运行的重复编译。路线C大目标、小显存、多卡协作高阶要预测超过5120 token的大复合物开启统一内存把显存溢写回内存在Dockerfile中设置XLA_PYTHON_CLIENT_PREALLOCATEfalse、TF_FORCE_UNIFIED_MEMORYtrue、XLA_CLIENT_MEM_FRACTION3.2。代价是速度下降但能免于OOM崩溃。A100 40GB用户可把src/alphafold3/model/model_config.py里的pair_transition_shard_spec改为分片配置最高支撑4352 token。多GPU服务器上用--gpu_device把不同任务钉到不同卡上并行跑。想省时间--buckets可以自定义编译桶。例如要跑5132、5280、5342 token的三个输入默认配置会触发三次独立编译传--buckets 5376则只编译一次全部复用。收尾你能从这套系统里拿到什么至此你已经拥有了一套完整的蛋白质结构预测工作站从序列出发AlphaFold3能在几小时内给出蛋白单链、蛋白复合物、蛋白-核酸、蛋白-配体乃至糖基化修饰体系的预测结构并附带pLDDT、PAE、pTM/ipTM等一整套置信度指标供你判断结果可靠程度。这套能力在药物设计、酶工程、抗体研发等场景里价值巨大。最后提醒三件事一是模型参数仅限研究用途使用前务必通读WEIGHTS_TERMS_OF_USE.md与OUTPUT_TERMS_OF_USE.md且不能用于临床二是任何基于此代码、参数或输出的公开发表成果都应引用AlphaFold3的Nature论文引用条目见仓库README的Citing This Work一节三是把数据库放在SSD、保持仓库与数据库目录分离、定期git pull更新代码这些习惯能让你的工作站长期健康运行。下一步的实践建议找一段你课题组里已有实验结构的序列先跑预测、再与实验结构对比结构叠合看RMSD这是验证你部署正确性最直观的方式。如果踩到文档里没有的坑先翻仓库的docs/known_issues.md再带着完整日志去提问——好问题的一半价值在于它包含足够的上下文。【免费下载链接】alphafold3AlphaFold 3 inference pipeline.项目地址: https://gitcode.com/gh_mirrors/alp/alphafold3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考