alphafold3
v3.0.0
Este pacote fornece uma implementação do pipeline de inferência do AlphaFold 3. Veja abaixo como acessar os parâmetros do modelo. Você só poderá usar os parâmetros do modelo AlphaFold 3 se recebidos diretamente do Google. O uso está sujeito a estes termos de uso.
Qualquer publicação que divulgue descobertas decorrentes do uso deste código-fonte, os parâmetros do modelo ou resultados produzidos por eles devem citar o artigo Predição precisa de estrutura de interações biomoleculares com AlphaFold 3.
Consulte também as Informações Suplementares para uma descrição detalhada do método.
AlphaFold 3 também está disponível em alphafoldserver.com para uso não comercial, embora com um conjunto mais limitado de ligantes e modificações covalentes.
Se você tiver alguma dúvida, entre em contato com a equipe AlphaFold em [email protected].
Este repositório contém todo o código necessário para inferência do AlphaFold 3. Para solicitar acesso aos parâmetros do modelo AlphaFold 3, preencha este formulário. O acesso será concedido a critério exclusivo do Google DeepMind. Nosso objetivo será responder às solicitações dentro de 2 a 3 dias úteis. Você só poderá usar os parâmetros do modelo AlphaFold 3 se recebidos diretamente do Google. O uso está sujeito a estes termos de uso.
Consulte a documentação de instalação.
Depois de instalar o AlphaFold 3, você pode testar sua configuração usando, por exemplo, o seguinte arquivo JSON de entrada chamado alphafold_input.json :
{ "nome": "2PV7", "sequências": [
{ "proteína": {"id": ["A", "B"],"sequência": "GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEW LLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG" }
}
], "modelSeeds": [1], "dialeto": "alphafold3", "versão": 1}Você pode então executar o AlphaFold 3 usando o seguinte 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
Existem vários sinalizadores que você pode passar para o comando run_alphafold.py , para listá-los, execute python run_alphafold.py --help . Dois sinalizadores fundamentais que controlam quais partes o AlphaFold 3 executará são:
--run_data_pipeline (o padrão é true ): se o pipeline de dados deve ser executado, ou seja, pesquisa genética e de modelo. Esta parte é apenas CPU, demorada e pode ser executada em uma máquina sem GPU.
--run_inference (o padrão é true ): se a inferência deve ser executada. Esta parte requer uma GPU.
Consulte a documentação de entrada.
Consulte a documentação de saída.
Consulte a documentação de desempenho.
Os problemas conhecidos estão documentados na documentação de problemas conhecidos.
Crie um problema se ele ainda não estiver listado em Problemas conhecidos ou no rastreador de problemas.
Qualquer publicação que divulgue descobertas decorrentes do uso deste código-fonte, os parâmetros do modelo ou resultados produzidos por eles devem citar:
@artigo{Abramson2024, autor = {Abramson, Josh e Adler, Jonas e Dunger, Jack e Evans, Richard e Green, Tim e Pritzel, Alexander e Ronneberger, Olaf e Willmore, Lindsay e Ballard, Andrew J. e Bambrick, Joshua e Bodenstein, Sebastian W. e Evans, David A. e Hung, Chia-Chun e O'Neill, Michael e Reiman, David e Tunyasuvunakool, Kathryn e Wu, Zachary e Žemgulytė, Akvilė e Arvaniti, Eirini e Beattie, Charles e Bertolli, Ottavia e Bridgland, Alex e Cherepanov, Alexey e Congreve, Miles e Cowen-Rivers, Alexander I. e Cowie, Andrew e Figurnov, Michael e Fuchs, Fabian B. e Gladman, Hannah e Jain, Rishub e Khan, Yousuf A. e Low, Caroline MR e Perlin, Kuba e Potapenko, Anna e Savy, Pascal e Singh, Sukhdeep e Stecula, Adrian e Thillaisundaram, Ashok e Tong, Catherine e Yakneen, Sergei e Zhong, Ellen D. e Zielinski, Michal e Žídek, Augustin e Bapst, Victor e Kohli, Pushmeet e Jaderberg, Max e Hassabis, Demis e Jumper, John M.}, diário = {Natureza}, título = {Previsão precisa da estrutura de interações biomoleculares com AlphaFold 3}, ano = {2024}, volume = {630}, número = {8016}, páginas = {493–-500}, doi = {10.1038/ s41586-024-07487-w}}O lançamento do AlphaFold 3 foi possível graças às contribuições inestimáveis das seguintes pessoas:
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 e Augustin Žídek (líder de engenharia).
Também estendemos nossa gratidão aos nossos colaboradores do Google e do Isommorphic Labs.
AlphaFold 3 usa as seguintes bibliotecas e pacotes separados:
rapel-cpp e rapel-py
Chex
Docker
DSSP
Suíte HMMER
Haiku
JAX
jax-tritão
digitação jax
libcipp
NumPy
pybind11 e pybind11_abseil
Kit RDK
Árvore
Tritão
tqdm
Agradecemos a todos os seus contribuidores e mantenedores!
Se você tiver alguma dúvida não abordada nesta visão geral, entre em contato com a equipe AlphaFold em [email protected].
Adoraríamos ouvir seus comentários e entender como o AlphaFold 3 foi útil em sua pesquisa. Compartilhe suas histórias conosco em [email protected].
Este não é um produto do Google com suporte oficial.
Direitos autorais 2024 DeepMind Technologies Limited.
O código-fonte do AlphaFold 3 está licenciado sob a Licença Creative Commons Attribution-Non-Commercial ShareAlike International, Versão 4.0 (CC-BY-NC-SA 4.0) (a "Licença"); você não pode usar este arquivo exceto em conformidade com a Licença. Você pode obter uma cópia da Licença em https://github.com/google-deepmind/alphafold3/blob/main/LICENSE.
Os parâmetros do modelo AlphaFold 3 são disponibilizados de acordo com os Termos de Uso dos Parâmetros do Modelo AlphaFold 3 (os "Termos"); você não poderá usá-los, exceto em conformidade com os Termos. Você pode obter uma cópia dos Termos em https://github.com/google-deepmind/alphafold3/blob/main/WEIGHTS_TERMS_OF_USE.md.
A menos que exigido pela lei aplicável, AlphaFold 3 e sua produção são distribuídos "COMO ESTÃO", SEM GARANTIAS OU CONDIÇÕES DE QUALQUER TIPO, expressas ou implícitas. Você é o único responsável por determinar a adequação do uso do AlphaFold 3, ou do uso ou distribuição de seu código-fonte ou saída, e assume todo e qualquer risco associado a esse uso ou distribuição e ao exercício de seus direitos e obrigações sob os termos relevantes. Os resultados são previsões com níveis variados de confiança e devem ser interpretados com cuidado. Seja criterioso antes de confiar, publicar, baixar ou de outra forma usar os Ativos AlphaFold 3.
AlphaFold 3 e sua saída são apenas para modelagem teórica. Eles não se destinam, são validados ou aprovados para uso clínico. Você não deve usar o AlphaFold 3 ou seus resultados para fins clínicos, nem confiar neles para aconselhamento médico ou outro profissional. Qualquer conteúdo relacionado a esses tópicos é fornecido apenas para fins informativos e não substitui o aconselhamento de um profissional qualificado. Consulte os termos relevantes para o idioma específico que rege as permissões e limitações de acordo com os termos.
O uso de software, bibliotecas ou códigos de terceiros mencionados na seção Agradecimentos acima pode ser regido por termos e condições separados ou disposições de licença. O uso de software, bibliotecas ou códigos de terceiros está sujeito a tais termos e você deve verificar se pode cumprir quaisquer restrições ou termos e condições aplicáveis antes de usar.
Os seguintes bancos de dados foram: (1) espelhados pelo Google DeepMind; e (2) parcialmente incluídos no pacote de códigos de inferência para fins de teste e estão disponíveis com referência ao seguinte:
BFD (modificado), por Steinegger M. e Söding J., modificado por Google DeepMind, disponível sob uma licença Creative Commons Atribuição 4.0 Internacional. Consulte a seção Métodos do papel proteômico AlphaFold para obter detalhes.
PDB (não modificado), de HM Berman et al., disponível livre de todas as restrições de direitos autorais e disponibilizado total e gratuitamente para uso comercial e não comercial sob CC0 1.0 Universal (CC0 1.0) Dedicação de Domínio Público.
MGnify: v2022_05 (não modificado), por Mitchell AL et al., disponível livre de todas as restrições de direitos autorais e disponibilizado total e gratuitamente para uso não comercial e comercial sob CC0 1.0 Universal (CC0 1.0) Dedicação de Domínio Público.
UniProt: 2021_04 (não modificado), do The UniProt Consortium, disponível sob uma licença Creative Commons Atribuição 4.0 Internacional.
UniRef90: 2022_05 (não modificado) por The UniProt Consortium, disponível sob uma licença Creative Commons Atribuição 4.0 Internacional.
NT: 2023_02_23 (modificado) Consulte as informações complementares do papel AlphaFold 3 para obter detalhes.
RFam: 14_4 (modificado), por I. Kalvari et al., disponível livre de todas as restrições de direitos autorais e disponibilizado total e gratuitamente para uso comercial e não comercial sob CC0 1.0 Universal (CC0 1.0) Dedicação de Domínio Público. Consulte as informações complementares do papel AlphaFold 3 para obter detalhes.
RNACentral: 21_0 (modificado), pelo The RNAcentral Consortium disponível livre de todas as restrições de direitos autorais e disponibilizado total e gratuitamente para uso não comercial e comercial sob CC0 1.0 Universal (CC0 1.0) Dedicação de Domínio Público. Consulte as informações complementares do papel AlphaFold 3 para obter detalhes.
