Этот пакет обеспечивает реализацию конвейера вывода AlphaFold 3. Ниже описано, как получить доступ к параметрам модели. Вы можете использовать параметры модели AlphaFold 3 только в том случае, если они получены непосредственно от Google. Использование регулируется настоящими условиями использования.
Любая публикация, раскрывающая результаты, полученные в результате использования этого исходного кода, параметров модели или результатов, полученных с их помощью, должна ссылаться на статью «Точное предсказание структуры биомолекулярных взаимодействий с помощью AlphaFold 3».
Пожалуйста, также обратитесь к дополнительной информации для подробного описания метода.
AlphaFold 3 также доступен на сайте Alphafoldserver.com для некоммерческого использования, хотя и с более ограниченным набором лигандов и ковалентных модификаций.
Если у вас есть какие-либо вопросы, свяжитесь с командой AlphaFold по адресу [email protected].
Этот репозиторий содержит весь необходимый код для вывода AlphaFold 3. Чтобы запросить доступ к параметрам модели AlphaFold 3, заполните эту форму. Доступ будет предоставлен по собственному усмотрению Google DeepMind. Мы постараемся ответить на запросы в течение 2–3 рабочих дней. Вы можете использовать параметры модели AlphaFold 3 только в том случае, если они получены непосредственно от Google. Использование регулируется настоящими условиями использования.
См. документацию по установке.
После установки AlphaFold 3 вы можете протестировать свою настройку, используя, например, следующий входной файл JSON с именем alphafold_input.json
:
{ "имя": "2PV7", "последовательности": [ { "белок": {"id": ["A", "B"],"sequence": "GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEW LLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG" } } ], "modelSeeds": [1], "диалект": "alphafold3", "версия": 1}
Затем вы можете запустить AlphaFold 3, используя следующую команду:
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
Существуют различные флаги, которые вы можете передать команде run_alphafold.py
, чтобы просмотреть их все, запустите python run_alphafold.py --help
. Два основных флага, которые управляют тем, какие части AlphaFold 3 будут выполняться:
--run_data_pipeline
(по умолчанию true
): запускать ли конвейер данных, т. е. генетический поиск и поиск по шаблонам. Эта часть требует только процессора, отнимает много времени и может быть запущена на машине без графического процессора.
--run_inference
(по умолчанию true
): запускать ли вывод. Для этой части требуется графический процессор.
См. входную документацию.
См. выходную документацию.
См. документацию по производительности.
Известные проблемы описаны в документации по известным проблемам.
Создайте проблему, если она еще не указана в списке «Известные проблемы» или в системе отслеживания проблем.
Любая публикация, раскрывающая результаты использования этого исходного кода, параметры модели или результаты, полученные с их помощью, должна содержать ссылку:
@article{Abramson2024,author = {Абрамсон, Джош и Адлер, Джонас и Дангер, Джек и Эванс, Ричард и Грин, Тим и Притцель, Александр и Роннебергер, Олаф и Уиллмор, Линдси и Баллард, Эндрю Дж. и Бамбрик, Джошуа и Боденштейн, Себастьян В. и Эванс, Дэвид А. и Хунг, Чиа-Чун и О'Нил, Майкл и Рейман, Дэвид и Туньясувунакул, Кэтрин и Ву, Закари и Жемгулите, Аквиле и Арванити, Эйрини и Битти, Чарльз и Бертолли, Оттавия и Бриджланд, Алекс и Черепанов, Алексей и Конгрив, Майлз и Коуэн-Риверс, Александр I. и Коуи, Андрей и Фигурнов, Майкл и Фукс, Фабиан Б. и Гладман, Ханна и Джайн, Ришуб и Хан, Юсуф А. и Лоу, Кэролайн М.Р. и Перлин, Куба и Потапенко, Анна и Сави, Паскаль и Сингх, Сухдип и Стекула, Адриан и Тиллайсундарам, Ашок и Тонг, Кэтрин и Якнин, Сергей и Чжун, Эллен Д. и Зелински, Михал и Жидек, Августин и Бапст, Виктор и Кохли, Пушмит и Ядерберг, Макс и Хассабис, Демис и Джампер, Джон М.}, журнал = {Nature}, title = {Точное предсказание структуры биомолекулярных взаимодействий с помощью AlphaFold 3}, год = {2024}, том = {630}, номер = {8016}, страницы = {493–-500}, doi = {10.1038/s41586-024-07487-w}}
Выпуск AlphaFold 3 стал возможен благодаря неоценимому вкладу следующих людей:
Эндрю Коуи, Белла Хансен, Чарли Битти, Крис Джонс, Грейс Марганд, Джейкоб Келли, Джеймс Спенсер, Джош Абрамсон, Кэтрин Туньясувунакул, Куба Перлин, Линдси Уиллмор, Макс Билески, Молли Бек, Олег Ковалевский, Себастьян Боденштейн, Сукхдип Сингх, Тим Грин , Тоби Сарджант, Учечи Окереке, Йотам Дорон и Августин Жидек (главный инженер).
Мы также выражаем благодарность нашим сотрудникам из Google и Isomorphic Labs.
AlphaFold 3 использует следующие отдельные библиотеки и пакеты:
спуск-cpp и спуск-py
Чекс
Докер
ДССП
ХММЕР Люкс
Хайку
ДЖАКС
Джакс-Тритон
набор текста
libcifpp
NumPy
pybind11 и pybind11_abseil
РДКит
Дерево
Тритон
tqdm
Мы благодарим всех их участников и сопровождающих!
Если у вас есть вопросы, не рассмотренные в этом обзоре, свяжитесь с командой AlphaFold по адресу [email protected].
Нам бы хотелось услышать ваши отзывы и понять, чем AlphaFold 3 оказался полезен в ваших исследованиях. Поделитесь с нами своими историями по адресу [email protected].
Это не официально поддерживаемый продукт Google.
Авторские права принадлежат DeepMind Technologies Limited, 2024 г.
Исходный код AlphaFold 3 доступен под лицензией Creative Commons Attribution-Non-Commercial ShareAlike International License, версия 4.0 (CC-BY-NC-SA 4.0) («Лицензия»); вы не можете использовать этот файл, кроме как в соответствии с Лицензией. Вы можете получить копию Лицензии по адресу https://github.com/google-deepmind/alphafold3/blob/main/LICENSE.
Параметры модели AlphaFold 3 доступны в соответствии с Условиями использования параметров модели AlphaFold 3 («Условия»); вы можете использовать их только в соответствии с Условиями. Вы можете получить копию Условий по адресу https://github.com/google-deepmind/alphafold3/blob/main/WEIGHTS_TERMS_OF_USE.md.
Если этого не требует применимое законодательство, AlphaFold 3 и его результаты распространяются на условиях «КАК ЕСТЬ», БЕЗ ГАРАНТИЙ ИЛИ УСЛОВИЙ ЛЮБОГО РОДА, явных или подразумеваемых. Вы несете единоличную ответственность за определение целесообразности использования AlphaFold 3 или использования или распространения его исходного кода или результатов, а также принимаете на себя все риски, связанные с таким использованием или распространением, а также осуществлением вами прав и обязанностей согласно соответствующим условиям. Результатом являются прогнозы с разной степенью достоверности, и их следует интерпретировать осторожно. Будьте осмотрительны, прежде чем полагаться на Ресурсы AlphaFold 3, публиковать их, загружать или иным образом использовать.
AlphaFold 3 и его результаты предназначены только для теоретического моделирования. Они не предназначены, не проверены и не одобрены для клинического использования. Вам не следует использовать AlphaFold 3 или его продукцию в клинических целях или полагаться на них для получения медицинских или других профессиональных советов. Любой контент по этим темам предоставляется исключительно в информационных целях и не заменяет консультацию квалифицированного специалиста. См. соответствующие условия для конкретного языка, регулирующего разрешения и ограничения в соответствии с условиями.
Использование стороннего программного обеспечения, библиотек или кода, упомянутых выше в разделе «Благодарности», может регулироваться отдельными положениями и условиями или положениями лицензии. Использование вами стороннего программного обеспечения, библиотек или кода регулируется такими условиями, и перед использованием вам следует убедиться, что вы можете соблюдать любые применимые ограничения или положения и условия.
Следующие базы данных были: (1) зеркалированы Google DeepMind; и (2) частично включены в пакет кода вывода для целей тестирования и доступны со ссылкой на следующее:
BFD (модифицированный), авторы Штайнеггер М. и Сёдинг Дж., модифицированный Google DeepMind, доступен по международной лицензии Creative Commons Attribution 4.0. Подробности см. в разделе «Методы» статьи о протеоме AlphaFold.
PDB (немодифицированный), созданный Х. М. Берманом и др., доступен без каких-либо ограничений авторских прав и полностью и бесплатно доступен как для некоммерческого, так и для коммерческого использования в соответствии с CC0 1.0 Universal (CC0 1.0) Public Domain Decision.
MGnify: v2022_05 (немодифицированный), автор Mitchell AL et al., доступен без каких-либо ограничений авторских прав и полностью и бесплатно доступен как для некоммерческого, так и для коммерческого использования в соответствии с CC0 1.0 Universal (CC0 1.0) Public Domain Decision.
UniProt: 2021_04 (без изменений), созданный Консорциумом UniProt, доступен по международной лицензии Creative Commons Attribution 4.0.
UniRef90: 2022_05 (без изменений) от Консорциума UniProt, доступен по международной лицензии Creative Commons Attribution 4.0.
NT: 2023_02_23 (изменено). Подробности см. в дополнительной информации к документу AlphaFold 3.
RFam: 14_4 (модифицированный), автор И. Калвари и др., доступен без каких-либо ограничений авторских прав и полностью и бесплатно доступен как для некоммерческого, так и для коммерческого использования в соответствии с CC0 1.0 Universal (CC0 1.0) Public Domain Decision. Подробности см. в дополнительной информации к документу AlphaFold 3.
RNACentral: 21_0 (измененный), выпущенный Консорциумом RNAcentral, доступен без каких-либо ограничений авторских прав и полностью и бесплатно доступен как для некоммерческого, так и для коммерческого использования в соответствии с CC0 1.0 Universal (CC0 1.0) Public Domain Decision. Подробности см. в дополнительной информации к документу AlphaFold 3.