AlphaFold 蛋白质结构预测实战：跑通第一条序列并读懂 pLDDT 置信度
【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold
手里只有氨基酸序列，晶体结构却排到了三个月后？AlphaFold 做蛋白质结构预测，把序列直接变成原子级三维坐标和逐残基置信度。读完这部分内容，你能独立搭好环境、跑通第一条序列，并正确解读 pLDDT 与 PAE 两个指标。
它解决什么问题、和同类工具差在哪
AlphaFold 输入一条（或多条）氨基酸序列，输出带原子坐标的 PDB 结构，以及每处残基的置信度评分。
和只给一个"整体分数"的早期工具不同，它同时提供逐残基 pLDDT 和成对残基 PAE。pLDDT 告诉你单个残基可信度，PAE 告诉你两个残基之间的相对位置可信度。这样你能定位结构里哪些域稳、哪些域间关系存疑。
打个比方：它像一位老练的读图师傅，不光画出结构草图，还在图上逐处标注"我有多确定"。
细节后置：模块 3 装环境，模块 4 跑预测，模块 5 读结果。
最小环境怎么搭：硬件、依赖与数据
按硬件 → 软件 → 数据三层准备。
硬件配置对照（官方在 12 vCPU、85GB 内存、A100 的机器上验证过）：
| 配置项 | 最小可运行 | 推荐 |
|---|---|---|
| GPU | NVIDIA 显卡，显存 ≥8GB | A100 或更大显存（可预测更大蛋白） |
| 系统内存 | 32GB | 85GB |
| CPU 核数 | 8 vCPU | 12 vCPU |
| 磁盘 | ~600GB（reduced_dbs） | ~2.62TB（full dbs，建议 SSD） |
| 操作系统 | Linux（不支持其他系统） | Linux |
软件依赖，用官方推荐的 Docker 方式：
# 装 Docker + NVIDIA Container Toolkit，并允许非 root 运行 git clone https://gitcode.com/GitHub_Trending/al/alphafold.git && cd alphafold sudo apt install aria2 # 下载脚本依赖 docker build -f docker/Dockerfile -t alphafold . # 构建镜像 pip3 install -r docker/requirements.txt # run_docker.py 依赖数据资源：用scripts/download_all_data.sh <DOWNLOAD_DIR>拉取全部遗传数据库和模型参数（完整库下载约 556GB，解压后约 2.62TB）。下载目录不要放在仓库目录内，否则构建镜像会明显变慢。
只想先跑通，用最小档：scripts/download_all_data.sh <DOWNLOAD_DIR> reduced_dbs（约 600GB），运行时再配--db_preset=reduced_dbs。
关键路径：
- 入口脚本 docker/run_docker.py
- 一键下载 scripts/download_all_data.sh
- 模型参数 scripts/download_alphafold_params.sh
没有本地 GPU 时，可用仓库内 notebooks/AlphaFold.ipynb 在 Colab 上跑简化版。
最后验证 GPU 能被容器使用：
docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi预期反馈：打印出你的 GPU 列表。没有输出就回查 NVIDIA Container Toolkit 是否装好。
首次运行蛋白质结构预测：从零到第一个 PDB
准备一个 FASTA 文件（单链示例）：
>sequence_name <你的氨基酸序列>运行：
python3 docker/run_docker.py \ --fasta_paths=monomer.fasta \ --max_template_date=2021-11-01 \ --model_preset=monomer \ --db_preset=reduced_dbs \ --data_dir=$DOWNLOAD_DIR \ --output_dir=/home/user/output--data_dir指向你下载数据库的目录，--output_dir必须为绝对路径。
预期反馈与自检：
- 运行结束后，
output_dir/<target_name>/下应出现ranked_0.pdb等文件。 - 看到
ranked_0.pdb~ranked_4.pdb即为跑通；默认只对置信度最高的那个做 Amber 弛豫精修。 - 只想快速看结构、跳过弛豫，加
--models_to_relax=none。
完整参数（GPU 设备选择、各 model_preset、MSA 预设）见 README.md 的 "Running AlphaFold" 一节。
读懂蛋白质结构预测结果：pLDDT 与 PAE
输出目录<target_name>/下关键字段：
| 字段/指标 | 含义 | 健康范围 | 异常处理 |
|---|---|---|---|
| ranked_0.pdb | 置信度最高的最终结构（默认已弛豫） | 存在即正常 | 缺失时先查 output_dir 绝对路径与写权限 |
| pLDDT（逐残基，存于 PDB 的 B-factor 列） | 单残基置信度 0–100，越高越可信 | 主体域 90–100 高可信；70–90 可信 | 整段 <50 多为无序区，谨慎用于下游 |
| PAE（predicted_aligned_error） | 成对残基对齐误差，越小域间位置越可信 | 对角块为小值 | 仅 pTM 模型才有；跨域块大值说明域间相对位置不确定 |
| ptm（仅 pTM 模型） | 全局 TM-score 预测，评估整体域打包信心 | 与 pLDDT 趋势一致 | 偏低时别直接当高置信整体结构 |
| relax_metrics.json | 弛豫后剩余几何违规数 | 接近 0 | 偏大时复核立体化学 |
| timings.json | 各阶段耗时 | 参考 | MSA 阶段占比高 → 换 reduced_dbs 提速 |
| msas/ | 生成 MSA 所用同源命中文件 | 行数越多 MSA 越深 | 命中极少时 pLDDT 普遍偏低 |
可直接用于下游：ranked_0.pdb、pLDDT。需人工复核：低 pLDDT 区域、跨域 PAE 高值区域。这两类结论别直接写进论文，先比对实验或文献。
复合物预测与高频故障排查
用多链 FASTA 预测蛋白复合物
把多条链写进同一个 FASTA，--model_preset=multimer，其余参数不变。均聚体（N 条相同序列）和异聚体（如 A2B3，按数量逐条写）都支持。此模式需额外下载 UniProt 库。
用 pTM 模型拿到 PAE 与 ptm
--model_preset=monomer_ptm会额外输出 PAE 矩阵和 ptm，适合需要判断域间相对位置的下游分析；代价是比标准 monomer 精度略低。
用 use_precomputed_msas 复跑不同参数
同一序列换参数复算时，加--use_precomputed_msas=true复用首次运行生成的 MSA，省去最耗时的同源搜索。
高频问题：
Q1：pLDDT 普遍偏低？结论：多半是 MSA 深度不足或序列本身无序。排查：看msas/命中行数，换 full_dbs 重跑。
Q2：内存或显存不够？结论：换 reduced_dbs、缩短序列、用更大显存卡。排查：timings.json看是否卡在 MSA 阶段。
Q3：弛豫阶段报错？结论：改用 CPU 弛豫或关闭弛豫。排查：先--enable_gpu_relax=false，仍失败再--models_to_relax=none。
Q4：docker build 报 GPG 签名错误？结论：换 CUDA 源或按官方说明处理。排查：查 README.md "Installation" 一节的 workaround 说明。
行动清单
- 在 Linux + NVIDIA GPU 机器上装好 Docker 与 NVIDIA Container Toolkit，跑通
nvidia-smi验证 - 用
scripts/download_all_data.sh <DIR> reduced_dbs下载最小数据库（约 600GB） - 写一条 ≤300 残基的 FASTA，
docker/run_docker.py跑通并确认生成ranked_0.pdb - 打开
ranking_debug.json看 pLDDT，圈出 <50 的残基区间备用 - 需要域间位置信息时，换
monomer_ptm重跑一次，检查 PAE 对角块
第一条序列跑通后，把ranked_0.pdb拖进任意结构查看器，先圈出低 pLDDT 区域，再决定要不要为它申请实验验证。
【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
