Paket ini menyediakan implementasi pipa inferensi AlphaFold 3. Lihat di bawah untuk mengetahui cara mengakses parameter model. Anda hanya dapat menggunakan parameter model AlphaFold 3 jika diterima langsung dari Google. Penggunaan tunduk pada ketentuan penggunaan ini.
Publikasi apa pun yang mengungkapkan temuan yang timbul dari penggunaan kode sumber ini, parameter model, atau keluaran yang dihasilkan harus mengutip prediksi struktur Akurat interaksi biomolekuler dengan makalah AlphaFold 3.
Silakan juga merujuk ke Informasi Tambahan untuk penjelasan rinci tentang metode ini.
AlphaFold 3 juga tersedia di alphafoldserver.com untuk penggunaan non-komersial, meskipun dengan kumpulan ligan dan modifikasi kovalen yang lebih terbatas.
Jika Anda memiliki pertanyaan, silakan hubungi tim AlphaFold di [email protected].
Repositori ini berisi semua kode yang diperlukan untuk inferensi AlphaFold 3. Untuk meminta akses ke parameter model AlphaFold 3, silakan lengkapi formulir ini. Akses akan diberikan atas kebijakan Google DeepMind sendiri. Kami akan berusaha menanggapi permintaan dalam 2–3 hari kerja. Anda hanya dapat menggunakan parameter model AlphaFold 3 jika diterima langsung dari Google. Penggunaan tunduk pada ketentuan penggunaan ini.
Lihat dokumentasi instalasi.
Setelah Anda menginstal AlphaFold 3, Anda dapat menguji pengaturan Anda menggunakan misalnya input file JSON berikut bernama alphafold_input.json
:
{ "nama": "2PV7", "urutan": [ { "protein": {"id": ["A", "B"],"urutan": "GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEW LLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG" } } ], "modelSeeds": [1], "dialek": "alphafold3", "versi": 1}
Anda kemudian dapat menjalankan AlphaFold 3 menggunakan perintah berikut:
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
Ada berbagai tanda yang bisa Anda teruskan ke perintah run_alphafold.py
, untuk mencantumkan semuanya run python run_alphafold.py --help
. Dua tanda mendasar yang mengontrol bagian mana AlphaFold 3 akan dijalankan adalah:
--run_data_pipeline
(defaultnya adalah true
): apakah akan menjalankan pipa data, yaitu pencarian genetik dan templat. Bagian ini hanya untuk CPU, memakan waktu dan dapat dijalankan pada mesin tanpa GPU.
--run_inference
(defaultnya adalah true
): apakah akan menjalankan inferensi. Bagian ini membutuhkan GPU.
Lihat dokumentasi masukan.
Lihat dokumentasi keluaran.
Lihat dokumentasi kinerja.
Masalah yang diketahui didokumentasikan dalam dokumentasi masalah yang diketahui.
Silakan buat masalah jika belum terdaftar di Masalah Umum atau di pelacak masalah.
Setiap publikasi yang mengungkapkan temuan yang timbul dari penggunaan kode sumber ini, parameter model atau keluaran yang dihasilkan harus mengutip:
@article{Abramson2024, author = {Abramson, Josh dan Adler, Jonas dan Dunger, Jack dan Evans, Richard dan Green, Tim dan Pritzel, Alexander dan Ronneberger, Olaf dan Willmore, Lindsay dan Ballard, Andrew J. dan Bambrick, Joshua dan Bodenstein, Sebastian W. dan Evans, David A. dan Hung, Chia-Chun dan O'Neill, Michael dan Reiman, David dan Tunyasuvunakool, Kathryn dan Wu, Zachary dan Žemgulytė, Akvilė dan Arvaniti, Eirini dan Beattie, Charles dan Bertolli, Ottavia dan Bridgland, Alex dan Cherepanov, Alexei dan Congreve, Miles dan Cowen-Rivers, Alexander I. dan Cowie, Andrew dan Figurnov, Michael dan Fuchs, Fabian B. dan Gladman, Hannah dan Jain, Rishub dan Khan, Yousuf A. dan Low, Caroline MR dan Perlin, Kuba dan Potapenko, Anna dan Savy, Pascal dan Singh, Sukhdeep dan Scula, Adrian dan Thillaisundaram, Ashok dan Tong, Catherine dan Yakneen, Sergei dan Zhong, Ellen D. dan Zielinski , Michal dan Žídek, Augustin dan Bapst, Victor dan Kohli, Pushmeet dan Jaderberg, Max dan Hassabis, Demis dan Jumper, John M.}, jurnal = {Nature}, title = {Prediksi struktur akurat interaksi biomolekuler dengan AlphaFold 3}, tahun = {2024}, volume = {630}, jumlah = {8016}, halaman = {493–-500} , doi = {10.1038/s41586-024-07487-w}}
Peluncuran AlphaFold 3 dimungkinkan oleh kontribusi tak ternilai dari orang-orang berikut:
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, dan Augustin Žídek (pemimpin teknik).
Kami juga mengucapkan terima kasih kepada kolaborator kami di Google dan Isomorphic Labs.
AlphaFold 3 menggunakan perpustakaan dan paket terpisah berikut:
abseil-cpp dan abseil-py
Chex
Buruh pelabuhan
DSSP
Suite HMMER
Haiku
JAX
jax-triton
jaxtyping
libcifpp
NomorPy
pybind11 dan pybind11_abseil
RDKit
Pohon
Triton
tqdm
Kami berterima kasih kepada semua kontributor dan pengelolanya!
Jika Anda memiliki pertanyaan yang tidak tercakup dalam ikhtisar ini, silakan hubungi tim AlphaFold di [email protected].
Kami ingin mendengar tanggapan Anda dan memahami manfaat AlphaFold 3 dalam penelitian Anda. Bagikan cerita Anda dengan kami di [email protected].
Ini bukan produk Google yang didukung secara resmi.
Hak Cipta 2024 DeepMind Technologies Limited.
Kode sumber AlphaFold 3 dilisensikan di bawah Lisensi Internasional Creative Commons Attribution-Non-Commercial ShareAlike, Versi 4.0 (CC-BY-NC-SA 4.0) ("Lisensi"); Anda tidak boleh menggunakan file ini kecuali sesuai dengan Lisensi. Anda dapat memperoleh salinan Lisensi di https://github.com/google-deepmind/alphafold3/blob/main/LICENSE.
Parameter model AlphaFold 3 tersedia berdasarkan Ketentuan Penggunaan Parameter Model AlphaFold 3 ("Ketentuan"); Anda tidak boleh menggunakannya kecuali sesuai dengan Ketentuan. Anda dapat memperoleh salinan Persyaratan di https://github.com/google-deepmind/alphafold3/blob/main/WEIGHTS_TERMS_OF_USE.md.
Kecuali diwajibkan oleh hukum yang berlaku, AlphaFold 3 dan keluarannya didistribusikan berdasarkan DASAR "APA ADANYA", TANPA JAMINAN ATAU KETENTUAN DALAM BENTUK APA PUN, baik tersurat maupun tersirat. Anda sepenuhnya bertanggung jawab untuk menentukan kelayakan penggunaan AlphaFold 3, atau menggunakan atau mendistribusikan kode sumber atau keluarannya, dan menanggung setiap dan semua risiko yang terkait dengan penggunaan atau distribusi tersebut dan pelaksanaan hak dan kewajiban Anda berdasarkan ketentuan yang relevan. Output adalah prediksi dengan tingkat keyakinan yang berbeda-beda dan harus ditafsirkan secara hati-hati. Gunakan kebijaksanaan sebelum mengandalkan, menerbitkan, mengunduh, atau menggunakan Aset AlphaFold 3.
AlphaFold 3 dan keluarannya hanya untuk pemodelan teoretis. Obat-obatan tersebut tidak dimaksudkan, divalidasi, atau disetujui untuk penggunaan klinis. Anda tidak boleh menggunakan AlphaFold 3 atau keluarannya untuk tujuan klinis atau mengandalkannya untuk nasihat medis atau profesional lainnya. Konten apa pun mengenai topik tersebut disediakan untuk tujuan informasi saja dan bukan merupakan pengganti saran dari profesional yang berkualifikasi. Lihat ketentuan yang relevan untuk bahasa tertentu yang mengatur izin dan batasan berdasarkan ketentuan.
Penggunaan perangkat lunak, pustaka, atau kode pihak ketiga yang dirujuk pada bagian Ucapan Terima Kasih di atas mungkin diatur oleh syarat dan ketentuan atau ketentuan lisensi tersendiri. Penggunaan Anda atas perangkat lunak, perpustakaan, atau kode pihak ketiga tunduk pada persyaratan tersebut dan Anda harus memastikan bahwa Anda dapat mematuhi batasan atau syarat dan ketentuan yang berlaku sebelum menggunakan.
Basis data berikut telah: (1) dicerminkan oleh Google DeepMind; dan (2) sebagian, disertakan dengan paket kode inferensi untuk tujuan pengujian, dan tersedia dengan referensi berikut:
BFD (dimodifikasi), oleh Steinegger M. dan Söding J., dimodifikasi oleh Google DeepMind, tersedia di bawah Lisensi Internasional Creative Commons Attribution 4.0. Lihat bagian Metode pada kertas proteome AlphaFold untuk detailnya.
PDB (tidak dimodifikasi), oleh HM Berman et al., tersedia bebas dari semua batasan hak cipta dan tersedia sepenuhnya dan bebas untuk penggunaan non-komersial dan komersial di bawah Dedikasi Domain Publik CC0 1.0 Universal (CC0 1.0).
MGnify: v2022_05 (tidak dimodifikasi), oleh Mitchell AL dkk., tersedia bebas dari semua batasan hak cipta dan tersedia sepenuhnya dan bebas untuk penggunaan non-komersial dan komersial berdasarkan CC0 1.0 Universal (CC0 1.0) Dedikasi Domain Publik.
UniProt: 2021_04 (tidak dimodifikasi), oleh The UniProt Consortium, tersedia di bawah Lisensi Internasional Creative Commons Attribution 4.0.
UniRef90: 2022_05 (tidak dimodifikasi) oleh The UniProt Consortium, tersedia di bawah Lisensi Internasional Creative Commons Attribution 4.0.
NT: 2023_02_23 (dimodifikasi) Lihat Informasi Tambahan makalah AlphaFold 3 untuk detailnya.
RFam: 14_4 (dimodifikasi), oleh I. Kalvari et al., tersedia bebas dari semua batasan hak cipta dan tersedia sepenuhnya dan bebas untuk penggunaan non-komersial dan komersial berdasarkan CC0 1.0 Universal (CC0 1.0) Public Domain Dedikasi. Lihat Informasi Tambahan makalah AlphaFold 3 untuk detailnya.
RNACentral: 21_0 (dimodifikasi), oleh The RNAcentral Consortium tersedia bebas dari semua batasan hak cipta dan tersedia sepenuhnya dan bebas untuk penggunaan non-komersial dan komersial di bawah Dedikasi Domain Publik CC0 1.0 Universal (CC0 1.0). Lihat Informasi Tambahan makalah AlphaFold 3 untuk detailnya.