Alphafold3结合Afusion的蛋白质结构预测实践

准备操作

1. 为了可以让集群之间通信。您需要创建专有网络与交换机。

2. 集群能够统一存储，您需要创建文件系统。

创建集群

1. 进入集群列表页面。

   1. 登录弹性高性能计算控制台。

   2. 在顶部菜单栏左上角处，选择地域。

   3. 在左侧导航栏，单击集群。

2. 在集群列表页面，单击集群模板。在弹出的对话框中，选择Alphafold3。

   集群环境软件与硬件默认配置

   • OS： Ubuntu 22.04

   • ECS实例：4vcpu 8GB， 40GB存储

   • GPU 规格：T4（默认），A10

   • Python版本：Python 3.10.12

   • Afusion版本：1.2.2

   • Alphafold3版本：3.0.0

3. 确认集群配置，然后单击创建集群，完成集群的创建。

   说明

   如果创建集群时提示规格无库存，请暂时关闭队列自动伸缩。这能绕开临时资源短缺，确保集群成功部署。

4. 为增强系统安全性并隔离不同用户的数据，用户管理添加一个具备sudo权限的新用户，以避免直接使用root账户进行操作。

5. （可选）您可以通过配置集群自动伸缩节点，实现计算节点的动态分配，无需手动操作。

AF3算例执行

数据准备

示例使用的模型参数，您可以通过官网申请。

Afusion提交Alphafold3任务

1. Afusion页面登录。

   1. 进入集群列表页面。

      1. 登录弹性高性能计算控制台。

      2. 在顶部菜单栏左上角处，选择地域。

      3. 在左侧导航栏，单击集群。

   2. 在集群页面，找到目标集群，单击右上角的远程连接。在远程连接对话框中，您可以查看集群登录节点的公网IP地址。

      

   3. 登录Afusion页面http://<集群登录节点的公网IP>:8501。

      说明

      页面无法访问，通常是安全组未放行8501端口。进入集群详情页，切换到集群配置，单击安全组ID放行该端口。

2. 设置与作业相关的信息（Job Settings）。

   关键参数：

   • Model Seeds (comma-separated)：可以在这里输入一个或多个数字，用逗号分隔，这些数字将作为模型的随机种子，用于确保模型预测的可重复性。不同的种子可能会导致模型产生不同的预测结果。

   • Scheduler Queue：调度队列，可以在这里指定作业提交到的调度队列（例如：t4）。

3. 在此输入待预测的生物序列 (Sequence)。若无自有序列，可加载开源算例进行体验。

   开源生物序列算例

   • 2PV7嗜热菌合成酶蛋白质的折叠结构预测。

     GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEWLLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG

   • CXCR4蛋白受体（是一种趋化因子受体，调节免疫系统、炎症反应和造血过程）与配体结合的复合物结构预测。

     MEGISIYTSDNYTEEMGSGDYDSMKEPCFREENANFNKIFLPTIYSIIFLTGIVGNGLVILVMGYQKKLRSMTDKYRLHLSVADLLFVITLPFWAVDAVANWYFGNFLCKAVHVIYTVNLYSSVLILAFISLDRYLAIVHATNSQRPRKLLAEKVVYVGVWIPALLLTIPDFIFANVSEADDRYICDRFYPNDLWVVVFQFQHIMVGLILPGIVILSCYCIIISKLSHSKGHQKRKALKTTVILILAFFACWLPYYIGISIDSFILLEIIKQGCEFENTVHKWISITEALAFFHCCLNPILYAFLGAKFKTSAQHALTSVSRGSSLKILSKGKRGGHSSVSTESESSSFHSS

   

   关键参数：

   • Protein Sequence (Entity 1)：输入实体的蛋白质序列，这是进行结构预测的基础数据。

   • Entity ID(s) (comma-separated)：每个实体唯一的标识符，用于在数据库中查找和引用。

4. 配置运行AlphaFold 3预测所需的参数并运行。

   关键参数：

   • AF Input Path：指定存放输入数据（如蛋白质序列、MSA等）的目录。

     如：/home/test/af_input

   • AF Output Path：指定预测结果将保存在这个目录。

     如：/home/test/af_output

   • Model Parameters Directory：指定模型参数文件的路径。

     将数据准备阶段申请的模型参数，存放于集群共享目录，如：/opt/data 或/home/data。

   • Databases Directory：指定数据库文件的路径。AlphaFold 3在进行预测时需要使用一些数据库（如UniRef、Pfam等）来进行多序列比对（MSA）等操作。

     E-HPC Alphafold3集群模板中已包含，默认路径：/data/af3_databases

   设置完成后，单击Run AlphaFold 3 Now执行任务。

5. 查看执行日志。

6. 查看任务执行详情。

   1. 在Query AlphaFold 3 Job List，输入预测结果输出目录，单击Query AlphaFold 3 Job List，查询文件列表。

   2. 在Query AlphaFold 3 Job Detail，输入查询到的文件名，单击Query AlphaFold 3 Job Detail查询。

   3. 查看可视化结果。

      说明

      图形无法显示，可能是浏览器禁用了图形加速。在Chrome中，进入设置 > 系统，然后开启图形加速。

      

7. 结果数据下载。my_alphafold_job_model.cif 是Alphafold3输出的主要蛋白质三维结构文件。请在Afusion Web 的3D Model Visualization页面查看，或使用VMD、PyMOL等本地软件打开分析。

   

性能参考

测试场景：2PV7 嗜热菌合成酶蛋白质折叠预测。

根据该场景的测试数据，推荐以下规格：

• 成本优先：推荐ecs.gn7i-c8g1.2xlarge(8c30g)。

• 性能优先：推荐ecs.gn7i-2x.8xlarge。