Lily’s Notebook

AUTHORLily

PUBLISHED2026-06-15

TACC skill

uniprot-kd得到protein seq
在AF server上跑seq,下载，得到unpaired msa.a3m
和tacc-2step skill说这个file，copy-rename 它到 input folder
提供SMILES ，和a3m的path，准备input json files
跑skill，提供密码和MFA tacc 6 digits token

另外不需要提供template，也不用让它自动搜索template("templates":null 会自动搜索，每次会去前四个cif), template只影响protein folding，不影响ligand

Setup

克隆git repo

git clone https://github.com/google-deepmind/alphafold3.git

安装af_kit

pip install -U git+https://github.com/sky1ove/af_kit.git

Model weights

申请weights，填下面的表格

https://docs.google.com/forms/d/e/1FAIpQLSfWZAgo1aYk0O4MuAXZj8xRQ8DafeFJnldNOnh_13qAx2ceZw/viewform

收到weights之后，在alphafold3的parent目录下，新建一个af_model文件夹，把weights放进去。

Enable resume

打开run_alphafold.py 然后在process_fold_input 里面添加:

def process_fold_input():

  print(f'Processing fold input {fold_input.name}')

  if not fold_input.chains:
    raise ValueError('Fold input has no chains.')

  if glob.glob(os.path.join(output_dir, "*_summary_confidences.json")):
    print(f"Skipping fold input {output_dir} as *_summary_confidences.json files exist.")
    return None

添加图片注释，不超过 140 字（可选）

这样如果文件夹里已经有summary confidences （也就是说之前已经跑出结果）, 就可以skip这个case

Docker

Update docker hub

建立一个setup.sh文件

#!/bin/bash

cd alphafold3
git pull origin main
docker build -t alphafold3 -f docker/Dockerfile .

docker login -u docker_username -p docker_password
docker tag alphafold3 sky1ove/alphafold3
docker push sky1ove/alphafold3

把它改成可执行的

chmod +x setup.sh

运行

./setup.sh

Pull docker

docker pull sky1ove/alphafold3

MSA数据库

MSA可以只在cpu上跑，不需要gpu

下载af3 msa数据库

在alphafold3的parent目录中，建立一个af_db的文件夹

cd alphafold3  # Navigate to the directory with cloned AlphaFold 3 repository.
./fetch_databases.sh af_db

大概六七百个gb，记得预留足够的位置。

MSA跑的往往很慢（半个小时左右一个蛋白）。如果有大量的蛋白要测，可以用colabfold MSA （后面）

不下载数据库（有a3m和template search结果）

virtual screen pipeline

开一个新的vm。通常只有一个蛋白（前面用大的数据库的vm已经跑过了），但对应很多小分子化合物。

只下载mmcif （仅有a3m和需要跑template search）

protein-protein study pipeline

开一个新的vm。

如果已经提前计算好MSA，但需要template search，可以只用下载mmcif。

参考alphafold3/fetch_databases.sh 文件做一个fetch_mmcif.sh 文件。

这里把db_dir设置成了af_db

#!/bin/bash

set -euo pipefail

readonly db_dir="$HOME/af_database"

for cmd in wget tar zstd ; do
  if ! command -v "${cmd}" > /dev/null 2>&1; then
    echo "${cmd} is not installed. Please install it."
  fi
done

echo "Fetching databases to ${db_dir}"
mkdir -p "${db_dir}"

readonly SOURCE=https://storage.googleapis.com/alphafold-databases/v3.0

echo "Start Fetching and Untarring 'pdb_2022_09_28_mmcif_files.tar'"
wget --quiet --output-document=- \
    "${SOURCE}/pdb_2022_09_28_mmcif_files.tar.zst" | \
    tar --no-same-owner --no-same-permissions \
    --use-compress-program=zstd -xf - --directory="${db_dir}"

在terminal 运行 ./fetch_mmcif.sh

如果只需要RNA的，那么也可以只下载RNA数据库。

Colabfold MSA

在一个只有cpu的vm里，安装

pip install "colabfold[alphafold] @ git+https://github.com/sokrypton/ColabFold"

准备一个有如下格式的csv

添加图片注释，不超过 140 字（可选）

然后在parent目录新建一个folder，比如msa_{project_name}

colabfold_batch seq.csv msa_{project_name} --msa-only

运行完之后，复制到有gpu的地方

copy_a3m(a3m_dir=f'/teamspace/studios/alphfold3/msa_{project_name}',
         dest_dir=f'af_input/{project_name}/msa')

Tutorials

Virtual screening – af_kit

Protein pairs – af_kit

Covalent

ligand.sdf

到pubchem上直接下载2d的conformer就可以，AF预测会自动转换成3d，另外如果没有leaving atom，只是双键变单键，不需要额外修改。输出的结构是没有双键信息的，需要经过protein prepare pipeline才可以。

Old

embeddings

在command中加入--save_embeddings=true

json input format

sequences 是个list [], 里面protein也有sequence，注意是单数，前面的是复数。

{
  "name": "Job name goes here",
  "modelSeeds": [1, 2],  # At least one seed required.
  "sequences": [
    {"protein": {...}},
    {"rna": {...}},
    {"dna": {...}},
    {"ligand": {...}}
  ],
  "bondedAtomPairs": [...],  # Optional
  "userCCD": "...",  # Optional
  "dialect": "alphafold3",  # Required
  "version": 2  # Required
}

Sequences 里面各项的format

Protein

第二版可以加入unpairedMsaPath

  "protein": {
    "id": "A",
    "sequence": ...,
    "unpairedMsaPath": "The A3M MSA path",
    "pairedMsa": "",
    "templates": [] if skip or None(python)/null if run
}

Run 全部（MSA+templates）

json的依据是，如果不想跑，就放一个空的“”或者[]，如果想跑，用null或者不放进去。

只放sequence，其余默认为null，也就是run

"protein": {
  "id": "A",
  "sequence": ...,
}

run MSA，但不search templates

templates没有就用[]

"protein": {
  "id": "A",
  "sequence": ...,
  "templates": []
}

这和加入 "pairedMsa": null, "unpairedMsa": null, 效果是一样的

放入precalculated MSA 但不search templates (不推荐)

templates设置为[]

  "protein": {
    "id": "A",
    "sequence": ...,
    "unpairedMsa": "The A3M MSA",
    "pairedMsa": "",
    "templates": []
}

放入precalculated MSA，但也跑templates （推荐）

把templates设置成null，或者干脆把这行去掉。

  "protein": {
    "id": "A",
    "sequence": ...,
    "unpairedMsa": "The A3M MSA",
    "pairedMsa": "",
    "templates": null
}

Environment

Docker file里面已经加入了

ENV XLA_FLAGS="--xla_gpu_enable_triton_gemm=false"
ENV XLA_PYTHON_CLIENT_PREALLOCATE=true
ENV XLA_CLIENT_MEM_FRACTION=0.95

如果超过5120 token，比如用一个A100 40GB的，很容易超出RAM, 这个时候可以在docker文件里加入下面的，可以让多出来的memory进入host memory，但与之而来的是更慢的速度。所以还是尽量控制token不要超过5120.

ENV XLA_PYTHON_CLIENT_PREALLOCATE=false
ENV TF_FORCE_UNIFIED_MEMORY=true
ENV XLA_CLIENT_MEM_FRACTION=3.2

General json input

sequences 是个list [], 里面protein也有sequence，注意是单数，前面的是复数。

{
  "name": "Job name goes here",
  "modelSeeds": [1, 2],  # At least one seed required.
  "sequences": [
    {"protein": {...}},
    {"rna": {...}},
    {"dna": {...}},
    {"ligand": {...}}
  ],
  "bondedAtomPairs": [...],  # Optional
  "userCCD": "...",  # Optional
  "dialect": "alphafold3",  # Required
  "version": 2  # Required
}

Sequences 里面各项的format

Protein:

{
  "protein": {
    "id": "A",
    "sequence": "PVLSCGEWQL",
    "modifications": [
      {"ptmType": "HY3", "ptmPosition": 1},
      {"ptmType": "P1L", "ptmPosition": 5}
    ],
    "unpairedMsa": ...,
    "pairedMsa": ...,
    "templates": [...]
  }
}

关于提前算好的MSA

放到unpairedMsa里，需要在pairedMsa里放"", 和空的templates: []

{
  "protein": {
    "id": "A",
    "sequence": ...,
    "unpairedMsa": "The A3M you want to run with",
    "pairedMsa": "",
    "templates": []
  }
}

Ligand, 用逗号隔开

{
  "ligand": {
    "id": "J",
    "ccdCodes": ["LIG-1337"]
  }
},
{
  "ligand": {
    "id": "K",
    "smiles": "CC(=O)OC1C[NH+]2CCC1CC2"
  }
}

single tasks 用--json_path, multiple tasks 用--input_dir

CPU data pipeline - generate MSA only

docker run --rm \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_msa:/root/af_msa \
    --volume $HOME/af_models:/root/models \
    --volume $HOME/database:/root/public_databases \
    alphafold3 \
    python run_alphafold.py \
    --input_dir=/root/af_input \
    --model_dir=/root/models \
    --output_dir=/root/af_msa \
    --norun_inference

GPU inference, skip MSA

if adding --norun_data_pipeline, it will skip template search.

if remove --norun_data_pipeline, and json file have template as null, it will first search template

docker run --rm \
    --volume "$HOME/af_input:/root/af_input" \
    --volume "$HOME/af_output:/root/af_output" \
    --volume "$HOME/af_model:/root/models" \
    --volume "$HOME/af_database:/root/public_databases" \
    --volume "$HOME/cache:/root/cache" \
    --gpus all \
    sky1ove/alphafold3 \
    python run_alphafold.py \
    --input_dir=/root/af_input \
    --model_dir=/root/models \
    --output_dir=/root/af_output \
    --jax_compilation_cache_dir=/root/cache \
    --save_embeddings=true

MSA的output和一开始的input很像，就是多了

一开始的input

[{'protein': {
   'id': ['A', 'B'],
   'sequence': 'GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEWLLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG'}}]

MSA后的json多了modifications, unpairedMsa, pairedMsa, templates

[{"protein": {
        "id": "A",
        "sequence": "GMRESYANENQFGFKTINSDIHKIVIVGGYGKLGGLFARYLRASGYPISILDREDWAVAESILANADVVIVSVPINLTLETIERLKPYLTENMLLADLTSVKREPLAKMLEVHTGAVLGLHPMFGADIASMAKQVVVRCDGRFPERYEWLLEQIQIWGAKIYQTNATEHDHNMTYIQALRHFSTFANGLHLSKQPINLANLLALSSPIYRLELAMIGRLFAQDAELYADIIMDKSENLAVIETLKQTYDEALTFFENNDRQGFIDAFHKVRDWFGDYSEQFLKESRQLLQQANDLKQG",
        "modifications": [],
        "unpairedMsa": ">query\nGMRESYA.....
        "pairedMsa": ">query\nGMRESYA.....
        "templates": [{'mmcif': 'data_3GGG\n#\n_entry.id 3GG....

Docker container

docker run --rm \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_output:/root/af_output \
    --volume $HOME/af_weights:/root/models \
    --volume $HOME/af_database:/root/public_databases \
    --gpus all \
    ....

--rm 确保推出之后自动删掉container

-it， i是iterative，t是。。

--volumn , or -v, 是mount，本地：container里

container 里default路径是/root,

可以设置working directory, -w /app

后面加上bash 可以让terminal 一直保持docker environment

exit可以退出 container

手动delete image

docker rmi alphafold3

MSA

pip install "colabfold[alphafold] @ git+https://github.com/sokrypton/ColabFold"
colabfold_batch file.csv folder_name --msa-only

file.csv的格式是第一列是id, 第二列是sequence