alphafold3
v3.0.0
Este paquete proporciona una implementación del proceso de inferencia de AlphaFold 3. Consulte a continuación cómo acceder a los parámetros del modelo. Solo puede utilizar los parámetros del modelo AlphaFold 3 si los recibe directamente de Google. El uso está sujeto a estos términos de uso.
Cualquier publicación que revele hallazgos que surjan del uso de este código fuente, los parámetros del modelo o los resultados producidos por ellos debe citar el artículo Predicción precisa de la estructura de interacciones biomoleculares con AlphaFold 3.
Consulte también la Información complementaria para obtener una descripción detallada del método.
AlphaFold 3 también está disponible en alphafoldserver.com para uso no comercial, aunque con un conjunto más limitado de ligandos y modificaciones covalentes.
Si tiene alguna pregunta, comuníquese con el equipo de AlphaFold en [email protected].
Este repositorio contiene todo el código necesario para la inferencia de AlphaFold 3. Para solicitar acceso a los parámetros del modelo AlphaFold 3, complete este formulario. El acceso se concederá a exclusivo criterio de Google DeepMind. Intentaremos responder a las solicitudes dentro de 2 a 3 días hábiles. Solo puede utilizar los parámetros del modelo AlphaFold 3 si los recibe directamente de Google. El uso está sujeto a estos términos de uso.
Consulte la documentación de instalación.
Una vez que haya instalado AlphaFold 3, puede probar su configuración utilizando, por ejemplo, el siguiente archivo JSON de entrada llamado alphafold_input.json :
{ "nombre": "2PV7", "secuencias": [
{ "proteína": {"id": ["A", "B"], "secuencia": "GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEW LLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG" }
}
], "modelSeeds": [1], "dialecto": "alphafold3", "versión": 1}Luego puede ejecutar AlphaFold 3 usando el siguiente comando:
docker run -it --volume $HOME/af_input:/root/af_input --volume $HOME/af_output:/root/af_output --volume <MODEL_PARAMETERS_DIR>:/root/models --volume <DATABASES_DIR>:/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
Hay varios indicadores que puede pasar al comando run_alphafold.py ; para enumerarlos todos, ejecute python run_alphafold.py --help . Dos indicadores fundamentales que controlan qué partes se ejecutarán AlphaFold 3 son:
--run_data_pipeline (el valor predeterminado es true ): si se debe ejecutar la canalización de datos, es decir, búsqueda genética y de plantillas. Esta parte es solo para CPU, requiere mucho tiempo y podría ejecutarse en una máquina sin GPU.
--run_inference (por defecto es true ): si se ejecuta la inferencia. Esta parte requiere una GPU.
Consulte la documentación de entrada.
Consulte la documentación de salida.
Consulte la documentación de rendimiento.
Los problemas conocidos están documentados en la documentación de problemas conocidos.
Cree un problema si aún no aparece en Problemas conocidos o en el rastreador de problemas.
Cualquier publicación que revele hallazgos que surjan del uso de este código fuente, los parámetros del modelo o los resultados producidos por ellos debe citar:
@article{Abramson2024, autor = {Abramson, Josh y Adler, Jonas y Dunger, Jack y Evans, Richard y Green, Tim y Pritzel, Alexander y Ronneberger, Olaf y Willmore, Lindsay y Ballard, Andrew J. y Bambrick, Joshua y Bodenstein, Sebastian W. y Evans, David A. y Hung, Chia-Chun y O'Neill, Michael y Reiman, David y Tunyasuvunakool, Kathryn y Wu, Zachary y Žemgulytė, Akvilė y Arvaniti, Eirini y Beattie, Charles y Bertolli, Ottavia y Bridgland, Alex y Cherepanov, Alexey y Congreve, Miles y Cowen-Rivers, Alexander I. y Cowie, Andrew y Figurnov, Michael y Fuchs, Fabian B. y Gladman, Hannah y Jain, Rishub y Khan, Yousuf A. y Low, Caroline MR y Perlin, Kuba y Potapenko, Anna y Savy, Pascal y Singh, Sukhdeep y Stecula, Adrian y Thillaisundaram, Ashok y Tong, Catherine y Yakneen, Sergei y Zhong, Ellen D. y Zielinski, Michal y Žídek, Augustin y Bapst, Victor y Kohli, Pushmeet y Jaderberg, Max y Hassabis, Demis y Jumper, John M.}, revista = {Nature}, título = {Predicción precisa de la estructura de las interacciones biomoleculares con AlphaFold 3}, año = {2024}, volumen = {630}, número = {8016}, páginas = {493–-500} , doi = {10.1038/s41586-024-07487-w}}El lanzamiento de AlphaFold 3 fue posible gracias a las invaluables contribuciones de las siguientes personas:
Andrew Cowie, Bella Hansen, Charlie Beattie, Chris Jones, Grace Margand, Jacob Kelly, James Spencer, Josh Abramson, Kathryn Tunyasuvunakool, Kuba Perlin, Lindsay Willmore, Max Bileschi, Molly Beck, Oleg Kovalevskiy, Sebastian Bodenstein, Sukhdeep Singh, Tim Green , Toby Sargeant, Uchechi Okereke, Yotam Doron y Augustin Žídek (director de ingeniería).
También extendemos nuestro agradecimiento a nuestros colaboradores de Google e Isomorphic Labs.
AlphaFold 3 utiliza las siguientes bibliotecas y paquetes independientes:
rápel-cpp y rápel-py
chex
Estibador
DSSP
Suite HMMER
haikus
jax
jax-triton
jaxtipando
libcifpp
NumPy
pybind11 y pybind11_abseil
RDKit
Árbol
Tritón
tqdm
¡Agradecemos a todos sus contribuyentes y mantenedores!
Si tiene alguna pregunta que no esté cubierta en esta descripción general, comuníquese con el equipo de AlphaFold en [email protected].
Nos encantaría escuchar sus comentarios y comprender cómo AlphaFold 3 ha sido útil en su investigación. Comparta sus historias con nosotros en [email protected].
Este no es un producto de Google con soporte oficial.
Copyright 2024 DeepMind Technologies Limited.
El código fuente de AlphaFold 3 tiene la licencia Creative Commons Attribution-Non-Commercial ShareAlike International License, versión 4.0 (CC-BY-NC-SA 4.0) (la "Licencia"); no puede utilizar este archivo excepto de conformidad con la Licencia. Puede obtener una copia de la Licencia en https://github.com/google-deepmind/alphafold3/blob/main/LICENSE.
Los parámetros del modelo AlphaFold 3 están disponibles en los Términos de uso de los parámetros del modelo AlphaFold 3 (los "Términos"); no puede utilizarlos excepto de conformidad con los Términos. Puede obtener una copia de los Términos en https://github.com/google-deepmind/alphafold3/blob/main/WEIGHTS_TERMS_OF_USE.md.
A menos que lo exija la ley aplicable, AlphaFold 3 y su producción se distribuyen "TAL CUAL", SIN GARANTÍAS NI CONDICIONES DE NINGÚN TIPO, ya sean expresas o implícitas. Usted es el único responsable de determinar la idoneidad del uso de AlphaFold 3, o del uso o distribución de su código fuente o resultados, y asume todos y cada uno de los riesgos asociados con dicho uso o distribución y su ejercicio de derechos y obligaciones según los términos pertinentes. Los resultados son predicciones con distintos niveles de confianza y deben interpretarse cuidadosamente. Sea discreto antes de confiar, publicar, descargar o utilizar de otro modo los Activos de AlphaFold 3.
AlphaFold 3 y sus resultados son únicamente para modelado teórico. No están destinados, validados ni aprobados para uso clínico. No debe utilizar AlphaFold 3 ni su salida con fines clínicos ni confiar en ellos para obtener asesoramiento médico o profesional. Cualquier contenido relacionado con esos temas se proporciona únicamente con fines informativos y no sustituye el asesoramiento de un profesional calificado. Consulte los términos relevantes para conocer el idioma específico que rige los permisos y limitaciones según los términos.
El uso del software, las bibliotecas o el código de terceros mencionados en la sección de Reconocimientos anterior puede estar regido por términos y condiciones o disposiciones de licencia independientes. Su uso del software, las bibliotecas o el código de terceros está sujeto a dichos términos y debe verificar que puede cumplir con las restricciones o términos y condiciones aplicables antes de su uso.
Las siguientes bases de datos han sido: (1) reflejadas por Google DeepMind; y (2) en parte, incluidos con el paquete de códigos de inferencia para fines de prueba, y están disponibles con referencia a lo siguiente:
BFD (modificado), de Steinegger M. y Söding J., modificado por Google DeepMind, disponible bajo una licencia internacional Creative Commons Attribution 4.0. Consulte la sección Métodos del artículo sobre proteoma AlphaFold para obtener más detalles.
PDB (sin modificar), de HM Berman et al., disponible sin restricciones de derechos de autor y disponible total y gratuitamente para uso comercial y no comercial bajo CC0 1.0 Universal (CC0 1.0) Public Domain Dedication.
MGnify: v2022_05 (sin modificar), de Mitchell AL et al., disponible sin restricciones de derechos de autor y disponible total y gratuitamente para uso comercial y no comercial bajo CC0 1.0 Universal (CC0 1.0) Public Domain Dedication.
UniProt: 2021_04 (sin modificar), de The UniProt Consortium, disponible bajo una licencia internacional Creative Commons Attribution 4.0.
UniRef90: 2022_05 (sin modificar) de The UniProt Consortium, disponible bajo una licencia internacional Creative Commons Attribution 4.0.
NT: 2023_02_23 (modificado) Consulte la información complementaria del documento AlphaFold 3 para obtener más detalles.
RFam: 14_4 (modificado), por I. Kalvari et al., disponible sin restricciones de derechos de autor y disponible total y gratuitamente para uso comercial y no comercial bajo CC0 1.0 Universal (CC0 1.0) Public Domain Dedication. Consulte la información complementaria del documento AlphaFold 3 para obtener más detalles.
RNACentral: 21_0 (modificado), por The RNAcentral Consortium, disponible sin restricciones de derechos de autor y disponible total y gratuitamente para uso comercial y no comercial bajo CC0 1.0 Universal (CC0 1.0) Public Domain Dedication. Consulte la información complementaria del documento AlphaFold 3 para obtener más detalles.
