AlphaFold2

Alphafold2是一个预测蛋白质三维空间结构的深度学习模型，通过深度学习算法通过蛋白质氨基酸序列来预测蛋白质结构。

用图形桌面模式如何提交任务

一. 提交流程

登录 Fastone 平台控制台;

数据管理上传计算文件；

在首页，点击【提交作业】-点击【AIphaFold】应用-选择图形桌面模式-选择机器配置，进行启用机器；

上传计算文件，设置资源参数；

二、单机模式

Step 1：首页选择【提交作业】，如图：

Step 2：选择【AlphaFold2】进行启用，如图：

  • GPU型机器配置：建议系统盘选择70GiB以上
  • 非GPU型机器配置：建议系统盘选择70GiB以上

Step 3：在图形界面，选择刚才已创建且处于运行中的图形桌面，点击【VNC】进行远程连接

Step 4：进入图形桌面，打开Terminal，如图：

Step 5：命令行提交（例如当前用户：latiaoer）

a)、创建作业输出目录

后续作业完成后可在此目录下查看作业结果

mkdir alphafold
 ## alphafold的全路径为：/fastone/users/latiaoer/Desktop/alphafold
1
2

b)、执行命令

  • GPU机型运行时间大约5.5h+
  • 非GPU机型运行时间大约12h+

（选择的如果是非GPU机型，则要在如下命令中增加 --use_gpu=False）

  sudo python3 /alphafold-project/alphafold-main/docker/run_docker.py --
  fasta_paths=/fastone/users/latiaoer/556single.fasta --
  data_dir=/opt/fastone/softwares/fastone/software/bio/alphafold --
  max_template_date=2020-05-14 --
  db_preset=full_dbs --
  docker_image_name=alphafold:2.2.2_8 --
  output_dir=/fastone/users/latiaoer/output
1
2
3
4
5
6
7

参数说明：

--fasta_paths：AlphaFold2所需要的pdb输入文件路径，可按需更改

--use_gpu ：是否使用gpu机型，默认True，非gpu机型可指定 --use_gpu=False，可按需更改

--output_dir：作业执行结果输出路径，可按需更改

--db_preset： 可按需更改

  reduce_dbs：针对速度和较低的硬件要求进行了优化。

  full_dbs：这与 CASP14 使用的所有基因数据库一起运行。

--data_dir： 基因数据库所在目录，无需更改

--model_preset=multimer ：来运行多体结构预测

Step 6：结果文件查看

进入/fastone/users/latiaoer/Desktop/alphafold