AlphaFold2无痛安装教程(超级详细)

目录

• 介绍
• 环境
• 安装
  • CMAKE安装
  • hmmer安装
  • HHsuite安装
  • Kalign安装
  • OpenMM安装
  • PDBfixer安装
  • Python依赖包安装
  • AlphaFold
• 报错处理
• 一键安装
• 后续

介绍

AlphaFlod2作为最近在生物领域非常的火的AI，给生物医药领域带来了划时代的影响，许多研究者都开始尝试使用AlphaFold2介入各自的工作。

但是由于AlphaFold2涉及到了很多模块和细节，在我安装过很多次之后(踩过很多坑之后)，希望通过这篇文章让大家能够无痛的安装和使用AlphaFold2。

环境

Linux(Ubuntu)
cmake=3.23
python=3.9/3.10

安装

CMAKE安装

CMAKE下载地址
CMAKE的安装包有Source Distribution 和 Binary Distribution两个版本，前者需要用户自己编译安装，后者是已经编译好的可执行程序

# 查看Linux系统位数
getconf LONG_BIT

# 编译安装
# 根据系统位数下载源码
tar -xvf cmake-version.tar
cd cmake-version
./bootstrap 
make
make install

# 测试安装是否成功
cmake -h

hmmer安装

# 通过软件仓库安装
sudo apt install hmmer                     # Linux (Ubuntu, Debian...)
sudo dnf install hmmer                     # Linux (Fedora)
sudo conda install -c biocore hmmer        # Anaconda

# 编译安装（未测试）
wget http://eddylab.org/software/hmmer/hmmer.tar.gz
tar zxf hmmer.tar.gz
cd hmmer-3.3.2
./configure --prefix=/usr/bin/ # 可自定义安装路径，如果未安装到系统目录下，则需要在安装完成之后，把安装目录加入PATH环境变量中
make
make check                 # optional: run automated tests
make install               # optional: install HMMER programs, man pages
(cd easel; make install)   # optional: install Easel tools

# 测试安装是否成功
jackhmmer -h

HHsuite安装

# 编译安装
git clone https://github.com/soedinglab/hh-suite.git
mkdir -p hh-suite/build && cd hh-suite/build
cmake -DCMAKE_INSTALL_PREFIX=/usr/local/ ..
make -j 4 && make install

# 测试安装是否成功
hhblits -h

注意：请通过编译的方式安装hhsuite否则在使用该模块时可能会出现奇怪的问题

Kalign安装

Kalign安装包下载

tar -zxvf kalign-.tar.gz
cd kalign-
mkdir build 
cd build
cmake .. 
make 
make test 
make install

OpenMM安装

# 编译安装
## 需提前安装 swig, doxygen
sudo apt install swig
sudo apt install doxygen
## 安装openmm
git clone https://github.com/openmm/openmm.git
cd ./openmm
mkdir build && cd build
cmake ..
make && sudo make install
sudo pip install numpy cython
sudo make PythonInstall

# 使用conda安装（未测试）
conda install -c conda-forge openmm
# 如果使用conda的版本大于4.8.4，则conda可以根据你的cuda编译一个适合你cuda版本的OpenMM,且支持特定的cuda版本
conda install -c conda-forge openmm cudatoolkit=10.0

# 验证OpenMM是否安装成功
python -m openmm.testInstallation

PDBfixer安装

pip install git+http://github.com/openmm/pdbfixer.git

Python依赖包安装

# 手动安装
pip install --user absl-py
pip install --user biopython
pip install --user git+https://github.com/deepmind/dm-haiku
pip install --user dm-tree
pip install --user immutabledict
pip install --user jax
pip install --user "jax[cuda11_cudnn82]" -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html
pip install --user ml_collections
pip install --user numpy
pip install --user pandas
pip install --user matplotlib
pip install --user sonnet
pip install --user scipy
pip install --user tensorflow
pip install --user tqdm

# 通过Alphafold提供的requirements文件安装
pip install --user -r requirements.txt

AlphaFold

# 克隆AlphaFold库
git clone https://github.com/deepmind/alphafold
cd alphafold

# stereo_chemical_props.txt下载
wget -P alphafold/alphafold/common/ https://git.scicore.unibas.ch/schwede/openstructure/-/raw/7102c63615b64735c4941278d92b554ec94415f8/modules/mol/alg/src/stereo_chemical_props.txt

# 数据库安装
## 下载全部数据库
./scripts/download_all_data.sh 

## 如果你的硬盘空间不足，也可以尝试只下载reduced database
./scripts/download_all_data.sh  reduced_dbs

# 创建结果存储目录
mkdir ./output

# 使用reduced DB运行AlphaFold Demo
python ./run_alphafold.py \
  --fasta_paths=test_sequence.fasta \
  --max_template_date=2020-05-14 \
  --model_preset=monomer \
  --db_preset=reduced_dbs \
  --data_dir=$DOWNLOAD_DIR \     
  --output_dir=./output

# 使用full DB运行AlphaFold 
python ./run_alphafold.py \
  --fasta_paths=test_sequence.fasta \
  --output_dir=./output \
  --data_dir=$DOWNLOAD_DIR
  --uniref90_database_path=$DOWNLOAD_DIR/uniref90/uniref90.fasta \
  --mgnify_database_path=$DOWNLOAD_DIR/mgnify/mgy_clusters.fa \
  --template_mmcif_dir=$DOWNLOAD_DIR/pdb_mmcif/mmcif_files/ \
  --max_template_date=2020-05-14 \
  --obsolete_pdbs_path=$DOWNLOAD_DIR/pdb_mmcif/obsolete.dat \
  # 如果GPU显存不是很大不建议开启relax，会超显存
  --run_relax=false \
  --use_gpu_relax=false \
  --db_preset==full_dbs \
  --bfd_database_path=$DOWNLOAD_DIR/bfd/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt \
  --uniclust30_database_path=$DOWNLOAD_DIR/uniclust30/uniclust30_2018_08/uniclust30_2018_08 \
  --model_preset=monomer \
  --pdb70_database_path=$DOWNLOAD_DIR/pdb70/pdb70

# $DOWNLOAD_DIR=数据库安装路径, 可以是任意位置
# 请注意:每个版本的Alphafold的参数有可能不一样(因为Alphafold一直在保持更新)，请根据run_alphafold.py中的参数说明和Alphafold的github文档进行各自调整！！！

报错处理

1. cuda_error_out_of_memory
   如果GPU的型号在比较老，显存小于6G，使用最新版本的jax可能会出现out of memory错误，只需要回退jax和jaxlib的版本到0.3.15即可

pip install --user jax==0.3.15 jaxlib==0.3.15+cuda11.cudnn82 -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html

2. No module named 'simtk.openmm.app.internal'
   请看另一篇博客有具体的解决方案：解决方法

3. GnuTLS recv error (-110): The TLS connection was non-properly terminated

   • 查看是否开启代理，取消所有代理
   • Github服务器的问题，只需要不断尝试即可

一键安装

目前正在开发程序希望能够帮助大家一键实现Alphafold安装，可以关注AlphafoldInstallation库。如果这个库对你有帮助，希望大家可以给个star，谢谢！

后续

• 后续有空也会出有关AlphaFold2的论文精读
• 如有错误请留言或私信指出，如遇到问题也可以评论留言或者私信看到会及时回复