หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

LocalColabFold

ColabFold บนพีซีในพื้นที่ของคุณ (หรือ macOS) ดูเพิ่มเติมที่ที่เก็บ ColabFold

LocalColabFold คืออะไร?

LocalColabFold เป็นสคริปต์ติดตั้งที่ออกแบบมาเพื่อให้ฟังก์ชัน ColabFold พร้อมใช้งานในเครื่องของผู้ใช้ รองรับระบบปฏิบัติการที่หลากหลาย เช่น Windows 10 หรือใหม่กว่า (ใช้ระบบย่อย Windows สำหรับ Linux 2), macOS และ Linux

หากคุณตั้งใจจะทำนายโปรตีนที่เกิดขึ้นตามธรรมชาติเพียงจำนวนเล็กน้อย ฉันขอแนะนำให้ใช้สมุดบันทึก ColabFold หรือดาวน์โหลดโครงสร้างจาก AlphaFold Protein Structure Database หรือ UniProt LocalColabFold เหมาะสำหรับการใช้งานขั้นสูง เช่น การประมวลผลแบบกลุ่มของการทำนายโครงสร้างสำหรับสารเชิงซ้อนตามธรรมชาติ โปรตีนที่ไม่ใช่ธรรมชาติ หรือการทำนายด้วย MSA/เทมเพลตที่ระบุด้วยตนเอง

ข้อดีของ LocalColabFold

  • การอนุมานโครงสร้างและการผ่อนคลายจะถูกเร่งหากพีซีของคุณมีไดรเวอร์ Nvidia GPU และ CUDA

  • ไม่มีเวลานอก (90 นาที 12 ชั่วโมง)

  • ไม่มีข้อจำกัดของ GPU

  • ไม่จำเป็นต้องเตรียมฐานข้อมูลขนาดใหญ่ที่จำเป็นสำหรับ AlphaFold2 ดั้งเดิม

หมายเหตุ (21 พฤษภาคม 2567)

  • เนื่องจาก jax ที่รองรับ GPU ปัจจุบัน > 0.4.26 ต้องใช้ CUDA 12.1 หรือใหม่กว่า และ cudnn 9 โปรดอัปเกรดหรือติดตั้งไดรเวอร์ CUDA และ cudnn ของคุณ แนะนำให้ใช้ CUDA 12.4

หมายเหตุ (30 ม.ค. 2567)

  • ColabFold อัปเกรดเป็น 1.5.5 แล้ว (เข้ากันได้กับ AlphaFold 2.3.2) ขณะนี้ LocalColabFold ต้องใช้ CUDA 12.1 หรือใหม่กว่า โปรดอัปเดตไดรเวอร์ CUDA ของคุณหากคุณยังไม่ได้ดำเนินการ

  • ขณะนี้ (ในพื้นที่) ColabFold สามารถทำนายโครงสร้างโปรตีนได้โดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต ใช้สคริปต์ setup_databases.sh เพื่อดาวน์โหลดและสร้างฐานข้อมูล (ดูการดาวน์โหลด ColabFold เพิ่มเติม) คำแนะนำในการเรียกใช้ colabfold_search เพื่อรับ MSA และเทมเพลตในเครื่องนั้นเขียนไว้ในความคิดเห็นนี้

อัปเดตใหม่

  • 30 มกราคม 2024, ColabFold 1.5.5 (เข้ากันได้กับ AlphaFold 2.3.2) ขณะนี้ LocalColabFold ต้องใช้ CUDA 12.1 หรือใหม่กว่า โปรดอัปเดตไดรเวอร์ CUDA ของคุณ

  • 30 เมษายน 2566 อัปเดตเพื่อใช้ python 3.10 เพื่อความเข้ากันได้กับ Google Colaboratory

  • 09 มี.ค. 2023 เวอร์ชัน 1.5.1 เปิดตัว ไดเร็กทอรีฐานถูกเปลี่ยนเป็น localcolabfold จาก colabfold_batch เพื่อแยกความแตกต่างจากคำสั่งการดำเนินการ

  • 09 มี.ค. 2023 เวอร์ชัน 1.5.0 เปิดตัว ดูรุ่น v1.5.0

  • 5 กุมภาพันธ์ 2023 เวอร์ชัน 1.5.0-เผยแพร่ล่วงหน้า

  • 16 มิ.ย. 2022 เวอร์ชัน 1.4.0 เปิดตัว ดูรุ่น v1.4.0

  • 07 พฤษภาคม 2565 อัปเดต update_linux.sh ดูเพิ่มเติมวิธีการอัปเดต โปรดใช้ตัวเลือกใหม่ --use-gpu-relax หากจำเป็นต้องมีการผ่อนคลาย GPU (แนะนำ)

  • 12 เมษายน 2022 เวอร์ชัน 1.3.0 เปิดตัว ดูรุ่น v1.3.0

  • 09 ธันวาคม 2021 เวอร์ชัน 1.2.0-เบต้าเผยแพร่ เพิ่มสคริปต์อัพเดตที่ใช้งานง่าย ดูวิธีการอัพเดต

  • ในวันที่ 04 ธันวาคม 2021 LocalColabFold เข้ากันได้กับ ColabFold ที่ติดตั้ง pip ล่าสุดได้แล้ว ในพื้นที่เก็บข้อมูลนี้ ฉันจะจัดเตรียมสคริปต์เพื่อติดตั้ง ColabFold พร้อมกับไฟล์พารามิเตอร์ภายนอกบางไฟล์เพื่อดำเนินการผ่อนคลายด้วย AMBER พารามิเตอร์น้ำหนักของ AlphaFold และ AlphaFold-Multimer จะถูกดาวน์โหลดโดยอัตโนมัติเมื่อใช้งานครั้งแรก

การติดตั้ง

สำหรับลินุกซ์

  1. ตรวจสอบให้แน่ใจว่าได้ติดตั้งคำสั่ง curl , git และ wget บนพีซีของคุณแล้ว หากไม่มีอยู่ คุณต้องติดตั้งในตอนแรก สำหรับ Ubuntu ให้พิมพ์ sudo apt -y install curl git wget

  2. ตรวจสอบให้แน่ใจว่าไดรเวอร์คอมไพเลอร์ Cuda ของคุณเป็น 11.8 หรือใหม่กว่า (ควรใช้เวอร์ชันล่าสุด 12.4) หากคุณไม่มี GPU หรือไม่ได้วางแผนที่จะใช้ GPU คุณสามารถข้ามขั้นตอนนี้ได้ :

     $ nvcc --version
nvcc: ไดรเวอร์คอมไพเลอร์ NVIDIA (R) Cuda
ลิขสิทธิ์ (c) 2005-2022 NVIDIA Corporation
สร้างเมื่อ Wed_Sep_21_10:33:58_PDT_2022
เครื่องมือคอมไพล์ Cuda รีลีส 11.8, V11.8.89
สร้าง cuda_11.8.r11.8/compiler.31833905_0

    อย่าใช้ nvidia-smi เพื่อตรวจสอบเวอร์ชัน
    ดูคู่มือการติดตั้ง NVIDIA CUDA สำหรับ Linux หากคุณยังไม่ได้ติดตั้ง


  3. ตรวจสอบให้แน่ใจว่าเวอร์ชันคอมไพเลอร์ GNU ของคุณเป็น 9.0 หรือใหม่กว่า เนื่องจากจำเป็นต้องใช้ GLIBCXX_3.4.26 สำหรับ openmm:

     $ gcc --รุ่น
gcc (อูบุนตู 9.3.0-17ubuntu1~20.04) 9.3.0
ลิขสิทธิ์ (C) 2019 มูลนิธิซอฟต์แวร์เสรี, Inc.
นี่เป็นซอฟต์แวร์ฟรี ดูแหล่งที่มาสำหรับเงื่อนไขการคัดลอก  ไม่มี
การรับประกัน; ไม่ใช่เพื่อความสามารถในการค้าขายหรือความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ

    หากเป็นเวอร์ชัน 8.5.0 หรือเก่ากว่า (เช่น CentOS 7, Rocky/Almalinux 8 เป็นต้น) ให้ติดตั้งเวอร์ชันใหม่และเพิ่ม PATH


  4. ดาวน์โหลด install_colabbatch_linux.sh จากที่เก็บนี้:

     $ wget https://raw.githubusercontent.com/YoshitakaMo/localcolabfold/main/install_colabbatch_linux.sh

    และรันในไดเร็กทอรีที่คุณต้องการติดตั้ง:

     $ ทุบตี install_colabbatch_linux.sh

    ประมาณ 5 นาทีต่อมา ไดเร็กทอรี localcolabfold จะถูกสร้างขึ้น อย่าย้ายไดเร็กทอรีนี้หลังการติดตั้ง


    ปล่อยให้เครือข่ายไม่ถูกบล็อก และ ตรวจสอบเอาต์พุตบันทึก เพื่อดูว่ามีข้อผิดพลาดใดๆ หรือไม่

    หากคุณพบข้อผิดพลาดในบันทึกเอาต์พุต วิธีที่ง่ายที่สุดคือตรวจสอบเครือข่ายและลบไดเร็กทอรี localcolabfold จากนั้นรันสคริปต์การติดตั้งอีกครั้ง

  5. เพิ่มตัวแปรสภาพแวดล้อม PATH:

     # สำหรับทุบตีหรือ zsh
# เช่นส่งออก PATH="/home/moriwaki/Desktop/localcolabfold/colabfold-conda/bin:$PATH"
ส่งออก PATH="/path/to/your/localcolabfold/colabfold-conda/bin:$PATH"

    ขอแนะนำให้เพิ่มคำสั่งส่งออกนี้ไปที่ ~/.bashrc และรีสตาร์ท bash ( ~/.bashrc จะถูกดำเนินการทุกครั้งที่เริ่มทุบตี)


  6. หากต้องการเรียกใช้การคาดคะเน ให้พิมพ์

     colabfold_batch อินพุตเอาต์พุตdir/

    ไฟล์ผลลัพธ์จะถูกสร้างขึ้นใน outputdir คำสั่งนี้จะดำเนินการทำนายโดยไม่มีเทมเพลตและการผ่อนคลาย (การลดพลังงาน) หากคุณต้องการใช้เทมเพลตและการผ่อนคลาย ให้เพิ่ม --templates และ --amber flags ตามลำดับ ตัวอย่างเช่น,


     colabfold_batch --templates --amber อินพุตเอาต์พุต dir/

    colabfold_batch จะตรวจจับโดยอัตโนมัติว่าการคาดการณ์นั้นมีไว้สำหรับการทำนายแบบโมโนเมอร์หรือแบบซับซ้อน ในกรณีส่วนใหญ่ ผู้ใช้ไม่จำเป็นต้องเพิ่ม --model-type alphafold2_multimer_v3 เพื่อเปิดใช้การทำนายมัลติเมอร์ alphafold2_multimer_v1, alphafold2_multimer_v2 ก็มีให้เช่นกัน ค่าเริ่มต้นคือ auto (ใช้ alphafold2_ptm สำหรับโมโนเมอร์และ alphafold2_multimer_v3 สำหรับคอมเพล็กซ์)

สำหรับรายละเอียดเพิ่มเติม โปรดดูที่ Flags และ colabfold_batch --help

สำหรับ WSL2 (ใน Windows)

ข้อควรระวัง: หากการติดตั้งของคุณล้มเหลวเนื่องจากปัญหาการสร้างลิงก์สัญลักษณ์ ( symlink ) นี่เป็นเพราะระบบไฟล์ Windows คำนึงถึงตัวพิมพ์เล็กและตัวพิมพ์ใหญ่ (ในขณะที่ระบบไฟล์ Linux คำนึงถึงตัวพิมพ์เล็กและตัวพิมพ์ใหญ่) เมื่อต้องการแก้ไขปัญหานี้ ให้เรียกใช้คำสั่งต่อไปนี้บน Windows Powershell: 

fsutil file SetCaseSensitiveInfo pathtolocalcolabfoldinstallation enable

แทนที่ pathtocolabfoldinstallation ด้วยเส้นทางไปยังไดเร็กทอรีที่คุณกำลังติดตั้ง LocalColabFold ตรวจสอบให้แน่ใจว่าคุณกำลังรันคำสั่งบน Windows Powershell (ไม่ใช่ WSL) สำหรับรายละเอียดเพิ่มเติม โปรดดูที่ ปรับความไวของตัวพิมพ์เล็กและตัวพิมพ์ใหญ่ (Microsoft)

ก่อนดำเนินการทำนาย: 

export TF_FORCE_UNIFIED_MEMORY="1"
export XLA_PYTHON_CLIENT_MEM_FRACTION="4.0"
export XLA_PYTHON_CLIENT_ALLOCATOR="platform"
export TF_FORCE_GPU_ALLOW_GROWTH="true"

ขอแนะนำให้เพิ่มคำสั่งส่งออกเหล่านี้ไปที่ ~/.bashrc และรีสตาร์ท bash ( ~/.bashrc จะถูกดำเนินการทุกครั้งที่เริ่มทุบตี)

สำหรับระบบปฏิบัติการ macOS

ข้อควรระวัง: เนื่องจากไม่มีไดรเวอร์ Nvidia GPU/CUDA การทำนายโครงสร้างบน macOS จึงช้ากว่าบน Linux+GPU 5-10 เท่า สำหรับลำดับการทดสอบ (58 aa) อาจใช้เวลา 30 นาที อย่างไรก็ตาม การเล่นก่อนเตรียมสภาพแวดล้อม Linux+GPU อาจเป็นประโยชน์

คุณสามารถตรวจสอบว่า Mac ของคุณเป็น Intel หรือ Apple Silicon ได้โดยพิมพ์ uname -m บน Terminal

 $ อูเนม -ม
x86_64 # Intelarm64 # แอปเปิลซิลิคอน

โปรดใช้ตัวติดตั้งที่ถูกต้องสำหรับ Mac ของคุณ

สำหรับ Mac ที่ใช้ Intel CPU

  1. ติดตั้ง Homebrew หากไม่มี:

     $ /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

  2. ติดตั้ง wget , gnu-sed , HH-suite และ kalign โดยใช้ Homebrew:

     $ ชงติดตั้ง wget gnu-sed
$ ชงติดตั้ง brewsci/bio/hh-suite brewsci/bio/kalign.php

  3. ดาวน์โหลด install_colabbatch_intelmac.sh จากที่เก็บนี้:

     $ wget https://raw.githubusercontent.com/YoshitakaMo/localcolabfold/main/install_colabbatch_intelmac.sh

    และรันในไดเร็กทอรีที่คุณต้องการติดตั้ง:

     $ ทุบตี install_colabbatch_intelmac.sh

    ประมาณ 5 นาทีต่อมา ไดเรกทอรี colabfold_batch จะถูกสร้างขึ้น อย่าย้ายไดเร็กทอรีนี้หลังการติดตั้ง

  4. ขั้นตอนที่เหลือจะเหมือนกับ "สำหรับ Linux"

สำหรับ Mac ที่มี Apple Silicon (ชิป M1)

หมายเหตุ: โปรแกรมติดตั้งนี้เป็นการทดลองเนื่องจากแพ็คเกจที่ต้องพึ่งพาส่วนใหญ่ยังไม่ได้รับการทดสอบอย่างสมบูรณ์บน Apple Silicon Mac

  1. ติดตั้ง Homebrew หากไม่มี:

     $ /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

  2. ติดตั้งหลายคำสั่งโดยใช้ Homebrew (ตอนนี้ kalign 3.3.2 พร้อมใช้งานแล้ว!):

     $ ชงติดตั้ง wget cmake gnu-sed
$ ชงติดตั้ง brewsci/bio/hh-suite.php
$ ชงติดตั้ง brewsci/bio/kalign

  3. ติดตั้งคำสั่ง miniforge โดยใช้ Homebrew:

     $ ชงติดตั้ง --cask miniforge

  4. ดาวน์โหลด install_colabbatch_M1mac.sh จากที่เก็บนี้:

     $ wget https://raw.githubusercontent.com/YoshitakaMo/localcolabfold/main/install_colabbatch_M1mac.sh

    และรันในไดเร็กทอรีที่คุณต้องการติดตั้ง:

     $ ทุบตี install_colabbatch_M1mac.sh

    ประมาณ 5 นาทีต่อมา ไดเรกทอรี colabfold_batch จะถูกสร้างขึ้น อย่าย้ายไดเร็กทอรีนี้หลังการติดตั้ง คุณสามารถละเว้นข้อผิดพลาดในการติดตั้งที่ปรากฏขึ้นระหว่างทางได้

  5. ขั้นตอนที่เหลือจะเหมือนกับ "สำหรับ Linux"

ตัวอย่างการป้อนข้อมูล

ColabFold ยอมรับไฟล์หรือไดเรกทอรีได้หลายรูปแบบ 

positional arguments:
  input                 Can be one of the following: Directory with fasta/a3m
                        files, a csv/tsv file, a fasta file or an a3m file
  results               Directory to write the results to

รูปแบบฟาสต้า

ขอแนะนำให้บรรทัดส่วนหัวที่ขึ้นต้นด้วย > ควรสั้น เนื่องจากคำอธิบายจะเป็นคำนำหน้าของไฟล์เอาต์พุต เป็นที่ยอมรับในการแทรกตัวแบ่งบรรทัดในลำดับกรดอะมิโน 

>sp|P61823
MALKSLVLLSLLVLVLLLVRVQPSLGKETAAAKFERQHMDSSTSAASSSNYCNQMMKSRN
LTKDRCKPVNTFVHESLADVQAVCSQKNVACKNGQTNCYQSYSTMSITDCRETGSSKYPN
CAYKTTQANKHIIVACEGNPYVPVHFDASV

สำหรับการทำนายมัลติเมอร์ ให้ใส่ : ระหว่างลำดับโปรตีน 

>1BJP_homohexamer
PIAQIHILEGRSDEQKETLIREVSEAISRSLDAPLTSVRVIITEMAKGHFGIGGELASKVRR:
PIAQIHILEGRSDEQKETLIREVSEAISRSLDAPLTSVRVIITEMAKGHFGIGGELASKVRR:
PIAQIHILEGRSDEQKETLIREVSEAISRSLDAPLTSVRVIITEMAKGHFGIGGELASKVRR:
PIAQIHILEGRSDEQKETLIREVSEAISRSLDAPLTSVRVIITEMAKGHFGIGGELASKVRR:
PIAQIHILEGRSDEQKETLIREVSEAISRSLDAPLTSVRVIITEMAKGHFGIGGELASKVRR:
PIAQIHILEGRSDEQKETLIREVSEAISRSLDAPLTSVRVIITEMAKGHFGIGGELASKVRR
>3KUD_RasRaf_complex
MTEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAGQEEYSAMRDQ
YMRTGEGFLCVFAINNTKSFEDIHQYREQIKRVKDSDDVPMVLVGNKCDLAARTVESRQAQDLARSYGIP
YIETSAKTRQGVEDAFYTLVREIRQH:
PSKTSNTIRVFLPNKQRTVVNVRNGMSLHDCLMKALKVRGLQPECCAVFRLLHEHKGKKARLDWNTDAAS
LIGEELQVDFL

หลายบรรทัดส่วนหัว > ที่มีลำดับในไฟล์รูปแบบ FASTA ให้การคาดการณ์หลายครั้งในไดเร็กทอรีเอาต์พุตที่ระบุ

รูปแบบ CSV

ในรูปแบบ CSV id และ sequence ควรคั่นด้วย , 

id,sequence
5AWL_1,YYDPETGTWY
3G5O_A_3G5O_B,MRILPISTIKGKLNEFVDAVSSTQDQITITKNGAPAAVLVGADEWESLQETLYWLAQPGIRESIAEADADIASGRTYGEDEIRAEFGVPRRPH:MPYTVRFTTTARRDLHKLPPRILAAVVEFAFGDLSREPLRVGKPLRRELAGTFSARRGTYRLLYRIDDEHTTVVILRVDHRADIYRR

รูปแบบ a3m

คุณสามารถป้อนไฟล์ MSA รูปแบบ a3m ของคุณได้ สำหรับการทำนายแบบมัลติเมอร์ ไฟล์ a3m ควรเข้ากันได้กับรูปแบบ colabfold

ธง

ธงเหล่านี้มีประโยชน์สำหรับการทำนาย

  • --amber : ใช้อำพันเพื่อปรับแต่งโครงสร้าง (ผ่อนคลาย / ลดพลังงาน) เพื่อควบคุมจำนวนโครงสร้างอันดับต้น ๆ จะต้องผ่อนคลาย set --num-relax

  • --templates : ใช้เทมเพลตจาก pdb

  • --use-gpu-relax : เรียกใช้สีเหลืองอำพันบน NVidia GPU แทน CPU คุณสมบัตินี้มีเฉพาะในเครื่องที่มี Nvidia GPU เท่านั้น

  • --num-recycle : จำนวนการทำนายการรีไซเคิล การรีไซเคิลที่เพิ่มขึ้นสามารถปรับปรุงคุณภาพได้แต่ทำให้การคาดการณ์ช้าลง ค่าเริ่มต้นคือ 3 (เช่น --num-recycle 10 )

  • --custom-template-path : จำกัดไฟล์เทมเพลตที่ใช้สำหรับ --template ไว้เฉพาะไฟล์ที่อยู่ในไดเร็กทอรีที่ระบุ การตั้งค่าสถานะนี้ช่วยให้เราสามารถใช้ไฟล์ pdb ที่ไม่ใช่แบบสาธารณะสำหรับการทำนายได้ ดูเพิ่มเติมที่ sokrypton/ColabFold#177

  • --random-seed การเปลี่ยนค่า seed สำหรับเครื่องสร้างตัวเลขสุ่มอาจส่งผลให้เกิดการทำนายโครงสร้างที่แตกต่างกัน (เช่น --random-seed 42 )

  • --num-seeds จำนวนเมล็ดที่จะลอง จะวนซ้ำจากช่วง (random_seed, Random_seed+num_seeds) (เช่น --num-seed 5 )

  • --max-msa : กำหนด: max-seq:max-extra-seq จำนวนลำดับที่จะใช้ (เช่น --max-msa 512:1024 ) อาร์กิวเมนต์ --max-seq และ --max-extra-seq ก็สามารถใช้ได้เช่นกัน หากคุณต้องการระบุแยกกัน นี่คือการนำกระดาษของการสุ่มตัวอย่างสถานะโครงสร้างทางเลือกของผู้ขนส่งและตัวรับด้วย AlphaFold2 แสดงให้เห็นโดย del Alamo และคณะ

  • --use-dropout : เปิดใช้งาน dropouts ระหว่างการอนุมานเพื่อสุ่มตัวอย่างจากความไม่แน่นอนของแบบจำลอง

  • --overwrite-existing-results : เขียนทับไฟล์ผลลัพธ์

  • สำหรับข้อมูลเพิ่มเติม colabfold_batch --help

วิธีการอัพเดต

เนื่องจาก ColabFold ยังอยู่ในระหว่างดำเนินการ ดังนั้น localcolabfold ของคุณควรได้รับการอัปเดตเป็นประจำเพื่อใช้ฟีเจอร์ล่าสุด สคริปต์อัพเดตที่ใช้งานง่ายมีไว้เพื่อจุดประสงค์นี้

หากต้องการอัปเดต localcolabfold ของคุณ เพียงดำเนินการต่อไปนี้:

 # ตั้งค่าระบบปฏิบัติการของคุณ เลือกหนึ่งในตัวแปรต่อไปนี้ {linux,intelmac,M1mac}$ OS=linux # if Linux# นำทางไปยังไดเร็กทอรีที่คุณติดตั้ง localcolabfold เช่น$ cd /home/moriwaki/Desktop/localcolabfold/# get the latest updater$ wget https //raw.githubusercontent.com/YoshitakaMo/localcolabfold/main/update_${OS}.sh -O update_${OS}.sh
$ chmod +x update_${OS}.sh# ดำเนินการมัน.$ ./update_${OS}.sh

คำถามที่พบบ่อย

  • ฉันต้องทำอะไรอีกก่อนการติดตั้ง? ฉันต้องการสิทธิ์ sudo หรือไม่?

    • ไม่ ยกเว้นการติดตั้งคำสั่ง curl และ wget

  • ฉันต้องเตรียมฐานข้อมูลขนาดใหญ่ เช่น PDB70, BFD, Uniclust30, MGnify หรือไม่?

    • ไม่ มันไม่จำเป็น. การสร้าง MSA ดำเนินการโดยเว็บเซิร์ฟเวอร์ MMseqs2 เช่นเดียวกับที่ใช้ใน ColabFold

  • มีคะแนน pLDDT และตัวเลข PAE หรือไม่

    • ใช่ พวกมันจะถูกสร้างขึ้นเหมือนกับ ColabFold

  • เป็นไปได้ไหมที่จะทำนายโฮโมโอลิโกเมอร์และคอมเพล็กซ์?

    • ใช่ รูปแบบของลำดับอินพุตจะเหมือนกับ ColabFold ดู query_sequence: และการใช้ ColabFold: AlphaFold2 โดยใช้ MMseqs2

  • เป็นไปได้ไหมที่จะสร้าง MSA โดย jackhmmer

    • ไม่ ขณะนี้ยังไม่รองรับ

  • ฉันต้องการใช้ GPU หลายตัวเพื่อทำการคาดการณ์

    • AlphaFold และ ColabFold ไม่รองรับ GPU หลายตัว GPU เพียงตัวเดียวเท่านั้นที่สามารถสร้างแบบจำลองโปรตีนของคุณได้

  • ฉันมี GPU หลายตัว ฉันสามารถระบุให้รัน LocalColabfold บน GPU แต่ละตัวได้หรือไม่

    • ใช้ตัวแปรสภาพแวดล้อม CUDA_VISIBLE_DEVICES ดู #200.

  • ฉันได้รับข้อความแสดงข้อผิดพลาด CUDA_ERROR_ILLEGAL_ADDRESS: an illegal memory access was encountered

    • คุณอาจไม่ได้อัปเดตเป็น CUDA 11.8 หรือใหม่กว่า โปรดตรวจสอบเวอร์ชันของคอมไพเลอร์ Cuda ด้วยคำสั่ง nvcc --version ไม่ใช่ nvidia-smi

  • มีอยู่ใน Windows 10 หรือไม่

    • คุณสามารถเรียกใช้ LocalColabFold บน Windows 10 ของคุณด้วย WSL2

  • (ใหม่!) ฉันต้องการใช้ไฟล์ MSA แบบกำหนดเองในรูปแบบ a3m

    • ColabFold ยอมรับไฟล์อินพุตต่างๆ ได้แล้ว ดูข้อความช่วยเหลือ คุณสามารถตั้งค่าไฟล์ A3M ของคุณเอง ไฟล์ fasta ที่มีหลายลำดับ (ในรูปแบบ FASTA) หรือไดเรกทอรีที่มีไฟล์ fasta หลายไฟล์

บทแนะนำและการนำเสนอ

  • บทแนะนำ ColabFold นำเสนอที่ Boston Protein Design and Modeling Club [วิดีโอ] [สไลด์]

รับทราบ

  • Colabfold ดั้งเดิมถูกสร้างขึ้นครั้งแรกโดย Sergey Ovchinnikov (@sokrypton), Milot Mirdita (@milot_mirdita) และ Martin Steinegger (@thesteinegger)

ฉันจะอ้างอิงงานนี้ได้อย่างไร?

  • Mirdita M, Schütze K, Moriwaki Y, Heo L, Ovchinnikov S และ Steinegger M. ColabFold - ทำให้ทุกคนสามารถเข้าถึงการพับโปรตีนได้
    วิธีธรรมชาติ (2022) ดอย: 10.1038/s41592-022-01488-1

  • หากคุณใช้ AlphaFold โปรดอ้างอิง:
    จัมเปอร์และคณะ "การทำนายโครงสร้างโปรตีนที่แม่นยำสูงด้วย AlphaFold"
    ธรรมชาติ (2021) ดอย: 10.1038/s41586-021-03819-2

  • หากคุณใช้ AlphaFold-multimer โปรดอ้างอิงด้วย:
    อีแวนส์และคณะ "การทำนายโปรตีนที่ซับซ้อนด้วย AlphaFold-Multimer"
    BioRxiv (2022) ดอย: 10.1101/2021.10.04.463034v2

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด
ความคิดเห็นจากผู้ใช้