Foldseek 集群使用方法

Foldseek 是用于蛋白质三维结构快速比对和数据库搜索的工具，可用于查找相似结构、辅助功能注释和开展蛋白质结构聚类。智算平台已将 Foldseek 封装为 CHESS 应用，应用名称为 BatchFoldseek，用户可以通过图形界面选择输入目录、目标数据库和计算资源并提交作业。

适用场景

本页面介绍通过 CHESS 提交 Foldseek 批量搜索任务的方法。使用图形界面时不需要手动编写 Slurm 脚本。

使用前准备

登录 CHESS 平台

访问 CHESS 平台并使用本人账号登录：

https://webhpc.tibhpc.net/#/login

准备输入和输出目录

提交前，请把需要检索的 PDB 结构文件上传到集群中的同一目录。例如：

/hpcfs/fhome/用户名/foldseek/input/

建议为结果单独建立输出目录，避免与输入文件或其他任务的结果混在一起：

/hpcfs/fhome/用户名/foldseek/output/

请确认当前账号对输入目录有读取权限，并对输出目录和临时目录有写入权限。

通过 CHESS 提交作业

下载 BatchFoldseek 应用

登录 CHESS 后进入“应用中心”，在“生物医学”或“机器学习”分类中找到 BatchFoldseek，点击下载按钮将应用添加到桌面。

填写作业参数

从 CHESS 桌面打开 BatchFoldseek，在“提交”页面填写作业参数。

主要参数说明如下：

参数	说明
作业名称	用于区分本次任务，建议填写简短且有意义的名称
计算队列	选择本次任务使用的 CPU 队列
CPU 核数	分配给任务的 CPU 核数，可根据数据库数量和任务规模调整
内存大小	分配给任务的内存，页面中的单位为 MB
输入 PDB 目录	存放待检索 PDB 结构文件的集群目录
结果输出目录	Foldseek 比对结果和作业脚本的保存目录
临时目录	运行过程中存放临时文件的目录；不确定时可使用本人目录下的独立目录
比对数据库	选择一个或多个目标结构数据库

资源配置

页面提示：单个数据库的比对任务建议使用 4～24 个 CPU 核，并预留约 3～5 GB 内存；同时选择多个数据库时，应根据数据库数量和输入规模适当增加计算资源。

确认目录、数据库和资源配置无误后，点击右下角“提交”。

查看作业状态

提交成功后，打开应用左侧的“作业组”，查看作业编号、状态、队列、CPU 数量和提交时间。一个批量任务可能包含多个子作业，编号后的括号表示该作业组中的任务数量。

完整操作过程如下：

查看结果

任务完成后，结果会写入提交时指定的输出目录。示例目录内容如下：

0
1
2
AF-A7MCY6-F1-model_v4-afdb_proteome_aln.tsv
AF-A7MCY6-F1-model_v4-afdb_swissprot_aln.tsv
AF-A7MCY6-F1-model_v4-pdb_aln.tsv
AF-A7MCY6-F1-model_v4.pdb
slurm-276218_0.out
slurm-276218_1.out
slurm-276218_2.out
submit_job.sh

其中：

• *_aln.tsv：Foldseek 结构比对结果；文件名中会包含所选数据库名称
• slurm-*.out：各子作业的标准输出日志，可用于检查运行过程或定位错误
• submit_job.sh：应用自动生成的作业提交脚本

可以在 CHESS 文件管理器中下载结果，也可以登录集群后使用命令行查看：

cd /hpcfs/fhome/用户名/foldseek/output
ls -lh
head AF-A7MCY6-F1-model_v4-pdb_aln.tsv

常见问题

提示输入目录不存在

确认填写的是集群上的完整路径，并检查 PDB 文件是否已上传到该目录。不要填写本地电脑上的路径。

提示没有权限

确认输入目录对当前账号可读，输出目录和临时目录对当前账号可写。建议优先使用本人家目录下的文件夹。

输出目录中没有比对结果

先在“作业组”中确认所有子作业是否已完成，再检查输出目录中的 slurm-*.out 日志。常见原因包括输入目录为空、PDB 文件格式不正确、目录权限不足或资源不足。

同时选择多个数据库后运行较慢

每个数据库都需要执行独立的比对任务。可以适当增加 CPU 和内存，或者分批选择数据库提交任务。