14.AF3 批量结构预测方法

Created	@2025年4月10日 16:46
Tags	作业脚本生信工具
AI summary	AF3（AlphaFold3）是一种用于蛋白质结构预测的工具，支持批量处理。用户需申请模型权重，准备输入数据和参考数据库，并使用Singularity和Slurm提交任务，预测结果将包含PDB结构文件和JSON评分。
Status	Draft

一、简介

AF3（AlphaFold3）是一种用于蛋白质结构预测的工具，支持批量处理。用户需申请模型权重，准备输入数据和参考数据库，并使用Singularity和Slurm提交任务，预测结果将包含PDB结构文件和JSON评分

二、准备工作

* 权重申请*

AF3 模型权重不能直接下载，需要前往AF3官方或相应 AF3 发布页面，如下图提交申请表或根据指引申请访问权限。

权重目录示例：/hpcfs/fhome/用户名/models_weight/

权重放置要求：按照官方结构放置

三、输入数据准备

创建一个包含多个目标序列的 JSON 文件，例如：

路径示例：/hpcfs/fhome/用户名/fold_input.json

可参考链接alphafold3/docs/input.md at main · google-deepmind/alphafold3 · GitHub

{
  "name": "2PV7",
  "sequences": [
    {
      "protein": {
        "id": ["A", "B"],
        "sequence": "GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEWLLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG"
      }
    }
  ],
  "modelSeeds": [1],
  "dialect": "alphafold3",
  "version": 1
}

四、参考数据库准备

路径示例：/hpcfs/fpublic/database/alphafold/af3/data/

可使用超算平台中参考数据库

AF3 运行时自动引用

[demo@login5 /data/ ]$ ls
bfd-first_non_consensus_sequences.fasta                 pdb_2022_09_28_mmcif_files.tar                  rnacentral_active_seq_id_90_cov_80_linclust.fasta
mgy_clusters_2022_05.fa                                 pdb_seqres_2022_09_28.fasta                     uniprot_all_2021_04.fa
nt_rna_2023_02_23_clust_seq_id_90_cov_80_rep_seq.fasta  rfam_14_9_clust_seq_id_90_cov_80_rep_seq.fasta  uniref90_2022_05.fa

命令行提交方式

一、Singularity 命令说明

[demo@login5 ]$ singularity exec --nv \
    -B 模型权重:/af3/model_weight \
    -B /hpcfs/fpublic/database/alphafold/af3/data/:/af3/data \
    /hpcfs/fpublic/container/singularity/app/af3/af3.sif \
    sh /opt/f3.sh --json_path=af3/protein_V4.json --output_dir=/af3/output

参数说明：

-nv：启用 GPU 支持

sh /opt/f3.sh：容器内启动脚本

-json_path：输入 JSON 路径

四、Slurm 作业脚本模板

保存为 run_af3.slurm：

[demo@login5 ]$ vim run_af3.slurm
#!/bin/bash
#SBATCH --job-name=af3_batch
#SBATCH --partition=qgpu_a40
#SBATCH --gres=gpu:1
#SBATCH --cpus-per-task=8
#SBATCH --mem=64G
#SBATCH --time=24:00:00
#SBATCH --output=af3_batch_%j.out

echo "Starting AF3 prediction job..."
date

JSON_PATH="/hpcfs/fhome/用户名/fold_input.json"
OUTPUT_DIR="/hpcfs/fhome/用户名/output/"

singularity exec --nv \
    -B 模型权重:/af3/model_weight \
    -B /hpcfs/fpublic/database/alphafold/af3/data/:/af3/data \
    /hpcfs/fpublic/container/singularity/app/af3/af3.sif \
    sh /opt/f3.sh --json_path=af3/protein_V4.json --output_dir=/af3/output

echo "AF3 prediction finished."
date

五、提交任务

[demo@login5 ]$ sbatch run_af3.slurm

查看日志输出：

[demo@login5 ]$ cat af3_batch_作业号.out

六、结果查看

预测结果将保存在 --output_dir 对应的路径下，通常包含：

PDB 结构文件

JSON 预测评分

运行日志

右边是名为“Hello Fold”的 AlphaFold 3 作业的输出目录列表示例

hello_fold/
├── seed-1234_embeddings                       # Only if --save_embeddings=true.
│   └── hello_fold_seed-1234_embeddings.npz    # Only if --save_embeddings=true.
├── seed-1234_sample-0/
│   ├── hello_fold_seed-1234_sample-0_confidences.json
│   ├── hello_fold_seed-1234_sample-0_model.cif
│   └── hello_fold_seed-1234_sample-0_summary_confidences.json
├── seed-1234_sample-1/
│   ├── hello_fold_seed-1234_sample-1_confidences.json
│   ├── hello_fold_seed-1234_sample-1_model.cif
│   └── hello_fold_seed-1234_sample-1_summary_confidences.json
├── seed-1234_sample-2/
│   ├── hello_fold_seed-1234_sample-2_confidences.json
│   ├── hello_fold_seed-1234_sample-2_model.cif
│   └── hello_fold_seed-1234_sample-2_summary_confidences.json
├── seed-1234_sample-3/
│   ├── hello_fold_seed-1234_sample-3_confidences.json
│   ├── hello_fold_seed-1234_sample-3_model.cif
│   └── hello_fold_seed-1234_sample-3_summary_confidences.json
├── seed-1234_sample-4/
│   ├── hello_fold_seed-1234_sample-4_confidences.json
│   ├── hello_fold_seed-1234_sample-4_model.cif
│   └── hello_fold_seed-1234_sample-4_summary_confidences.json
├── TERMS_OF_USE.md
├── hello_fold_confidences.json
├── hello_fold_data.json
├── hello_fold_model.cif
├── hello_fold_ranking_scores.csv
└── hello_fold_summary_confidences.json