(资料图片)

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安装AlphaFold报错处理后续介绍

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=3.23python=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.tarcd cmake-version./bootstrap makemake 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.gztar zxf hmmer.tar.gzcd 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makemake check                 # optional: run automated testsmake 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.gitmkdir -p hh-suite/build && cd hh-suite/buildcmake -DCMAKE_INSTALL_PREFIX=/usr/local/bin ..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.gzcd kalign-mkdir build cd buildcmake .. make make test make install

OpenMM安装

# 编译安装git clone https://github.com/openmm/openmm.gitmkdir build && cd buildccmake ../openmmmake && sudo make installpip install --user numpy cythonmake 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-pypip install --user biopythonpip install --user git+https://github.com/deepmind/dm-haikupip install --user dm-treepip install --user immutabledictpip install --user jaxpip install --user "jax[cuda11_cudnn82]" -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.htmlpip install --user ml_collectionspip install --user numpypip install --user pandaspip install --user matplotlibpip install --user sonnetpip install --user scipypip install --user tensorflowpip install --user tqdm# 通过Alphafold提供的requirements文件安装pip install --user -r requirements.txt

AlphaFold安装AlphaFold

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

报错处理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

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

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