Alphafold2 安装 linux 本地配置 conda配置 非docker

这篇具有很好参考价值的文章主要介绍了Alphafold2 安装 linux 本地配置 conda配置 非docker。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


Refs:
  1. conda配置 原github:https://github.com/kalininalab/alphafold_non_docker
  2. 官方github:https://github.com/google-deepmind/alphafold

(一)运行Alphafold所需的数据库下载

独立于环境配置,可以先下载也可以后下载。之所以写在前面,是希望大家可以根据数据库下载是否顺利来决定是否继续配置conda环境。
注意:官方推荐不要下载到alphafold的子目录下。

1. 所需数据库

图为官网给出的下载后的数据,我们一共需要下载9个文件(解压前)。
alphafold2 本地,科研/开发工具,linux,conda,docker,python,深度学习

2. 三种下载方式

2.1 Alphafold官网

运行 scripts/download_all_data.sh,对网络要求很高,基本不可能一次成功。

alphafold2 本地,科研/开发工具,linux,conda,docker,python,深度学习

2.2 Ref.1中提供的脚本

作者看到这个脚本的时候,数据库已经下载好了,大家可以自己试试。
https://github.com/kalininalab/alphafold_non_docker/blob/main/download_db.sh

2.3 复制各个数据库的网址,再到本地下载

  1. 方法1:打开图2中的各个sh文件可以看到下载网址,复制网址到本地,下载后再传回linux服务器。将下载后的gz、tar文件依次解压,并整理成图1中的文件树。
    alphafold2 本地,科研/开发工具,linux,conda,docker,python,深度学习

  2. 方法2:这个博主分享了自己的迅雷网盘链接,大家可以在这里下载。https://www.bilibili.com/read/cv26467969/
    注意:pdb_mmcif文件可以直接使用图2中的sh文件下载,它可以断点续传,但是需要wget, rsync, gunzip and tar等工具。

(二)conda环境配置

1. 虚拟环境创建

conda create --name alphafold python==3.8
conda activate alphafold 

2. 安装依赖

2.1 不容易报错的包

cudatoolkit根据自己的cuda设置;Alphafold目前只支持openmm到7.5.1,超过该版本会报错,需要修改某些文件;tensorflow-cpu不用担心使用gpu

conda install -y -c conda-forge openmm==7.5.1 cudatoolkit==11.3 pdbfixer
conda install -y -c bioconda hmmer hhsuite==3.3.0 kalign2
pip install absl-py==1.0.0 biopython==1.79 chex==0.0.7 dm-haiku==0.0.9 dm-tree==0.1.6 immutabledict==2.0.0 jax==0.3.25 ml-collections==0.1.0 numpy==1.21.6 pandas==1.3.4 protobuf==3.20.1 scipy==1.7.0 tensorflow-cpu==2.9.0

2.2 容易报错的jax和jaxlib

  1. 容易报各种错误:No matching distribution found for jaxlib;
  2. 必须安装对应cuda的版本,否则最后运行alphafold时还会报错:Unable to initialize backend ‘cuda’: module ‘jaxlib.xla_extension’ has no attribute ‘GpuAllocatorConfig’

所以报错的小伙伴们,建议大家去jax官网找匹配的版本,下载安装。链接: https://storage.googleapis.com/jax-releases/jax_cuda_releases.html
作者配置:cuda113和cudnn804,安装的是:jaxlib-0.3.25+cuda11.cudnn805-cp38-cp38-manylinux2014_x86_64.whl

3. 下载alphafold2代码 v2.3.1

3.1 仓库下载

下载方式大家可以自行选择,下面是其中一种下载方式

wget https://github.com/deepmind/alphafold/archive/refs/tags/v2.3.1.tar.gz && tar -xzf v2.3.1.tar.gz && export alphafold_path="$(pwd)/alphafold-2.3.1"

3.2 下载化学性质到common文件夹

下载好整个alphafold仓库后,将stereo_chemical_props.txt文件下载到/alphafold-2.3.1/alphafold/common文件夹下

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

4. 测试环境配置是否成功

运行run_alphafold_test.py,出现图中内容即为配置成功。如不成功,可按照报错信息补充下载其他依赖。

python /alphafold-2.3.1/run_alphafold_test.py

alphafold2 本地,科研/开发工具,linux,conda,docker,python,深度学习

(三)运行alphafold2

1. 下载Ref1中的run_alphafold.sh文件,填写参数运行即可

Usage: run_alphafold.sh <OPTIONS>
Required Parameters:
-d <data_dir>         Path to directory of supporting data
-o <output_dir>       Path to a directory that will store the results.
-f <fasta_paths>      Path to FASTA files containing sequences. If a FASTA file contains multiple sequences, then it will be folded as a multimer. To fold more sequences one after another, write the files separated by a comma
-t <max_template_date> Maximum template release date to consider (ISO-8601 format - i.e. YYYY-MM-DD). Important if folding historical test sets
Optional Parameters:
-g <use_gpu>          Enable NVIDIA runtime to run with GPUs (default: true)
-r <run_relax>        Whether to run the final relaxation step on the predicted models. Turning relax off might result in predictions with distracting stereochemical violations but might help in case you are having issues with the relaxation stage (default: true)
-e <enable_gpu_relax> Run relax on GPU if GPU is enabled (default: true)
-n <openmm_threads>   OpenMM threads (default: all available cores)
-a <gpu_devices>      Comma separated list of devices to pass to 'CUDA_VISIBLE_DEVICES' (default: 0)
-m <model_preset>     Choose preset model configuration - the monomer model, the monomer model with extra ensembling, monomer model with pTM head, or multimer model (default: 'monomer')
-c <db_preset>        Choose preset MSA database configuration - smaller genetic database config (reduced_dbs) or full genetic database config (full_dbs) (default: 'full_dbs')
-p <use_precomputed_msas> Whether to read MSAs that have been written to disk. WARNING: This will not check if the sequence, database or configuration have changed (default: 'false')
-l <num_multimer_predictions_per_model> How many predictions (each with a different random seed) will be generated per model. E.g. if this is 2 and there are 5 models then there will be 10 predictions per input. Note: this FLAG only applies if model_preset=multimer (default: 5)
-b <benchmark>        Run multiple JAX model evaluations to obtain a timing that excludes the compilation time, which should be more indicative of the time required for inferencing many proteins (default: 'false')

运行示例:-d、-o、-f、-t 为必须参数

# Example run (Uses the GPU with index id 0 as default)
bash run_alphafold.sh -d /data/afdb -o /alphafold-2.3.1/output -f /alphafold-2.3.1/input/input.fasta -t 2023-12-26

# OR for CPU only run
bash run_alphafold.sh -d /data/afdb -o /alphafold-2.3.1/output -f /alphafold-2.3.1/input/input.fasta -t 2023-12-26 -g False

2. 可能出现的错误

No compatible CUDA device is available
解决方法:https://github.com/google-deepmind/alphafold/issues/403。

# 设置 GPU 的计算模式
nvidia-smi -c 0

3. 预测用时

配置:cpu(256 GB);1 gpu(3090,24GB)
716个残基,五个模型,全数据库,大约2个小时
(有其他程序在同时占用该服务器)

4. 结果

生成的pdb文件都在output/protein_name 文件夹中
alphafold2 本地,科研/开发工具,linux,conda,docker,python,深度学习文章来源地址https://www.toymoban.com/news/detail-783056.html

到了这里,关于Alphafold2 安装 linux 本地配置 conda配置 非docker的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 服务器安装 anaconda & conda: command not found [解决方案] & bashrc文件中环境变量配置错误,导致linux命令无法正常使用的解决方案

    由于连接的服务器,无法直接在anaconda官网上下载安装文件,所以使用如下方法: 之后一直按 enter ,直到出现提示要输入 yes or no ,输入 yes 显示以下信息即为安装成功 在终端输入conda info --envs查看anaconda是否安装成功,发现报错:conda: command not found 原因在于: ~/.bashrc文件没

    2024年02月06日
    浏览(95)
  • 【autodl/linux配环境心得:conda/本地配cuda,cudnn及pytorch心得】-未完成

    都是因为国内的网络环境以及墙的问题,导致我们服务器使用了源,或conda使用了源的问题。 使用命令: conda install ,提示找不到包,很可能是因为我们使用了源,然后源里没存那个包。 使用命令: conda search cudatoolkit,找不到包,那其实是这个源里没这个包,不是说conda真的

    2024年02月09日
    浏览(46)
  • 3步实现使用Conda安装本地指定路径下requirement.txt 文件中的包

    第1步:在github项目中下载或者自行生成所需的requirement.txt文件,将其放在任一路径位置。例如 D:requirement.txtrequirement.txt 第2步:使用anaconda prompt直接进入指定环境,例如我这里进入 tat-qa 这个环境。 第3步:直接安装,注意在requirement.txt前指定好本地路径即可。 因为我本次所需环

    2024年02月12日
    浏览(38)
  • 【autodl/linux配环境心得:conda/本地配cuda,cudnn,gcc,g++及pytorch心得】

    都是因为国内的网络环境以及墙的问题,导致我们服务器使用了源,或conda使用了源的问题。 使用命令: conda install ,提示找不到包,很可能是因为我们使用了源,然后源里没存那个包。 使用命令: conda search cudatoolkit,找不到包,那其实是这个源里没这个包,不是说conda真的

    2024年02月04日
    浏览(48)
  • 【Linux】:初识git || centos下安装git || 创建本地仓库 || 配置本地仓库 || 认识工作区/暂存区(索引)以及版本库

    Git 原理与使用 课程⽬标 • 技术⽬标:掌握Git企业级应⽤,深刻理解Git操作过程与操作原理,理解⼯作区,暂存区,版本库的含义 • 技术⽬标:掌握Git版本管理,⾃由进⾏版本回退、撤销、修改等Git操作⽅式与背后操作原理 • 技术⽬标:掌握Git分⽀管理,从分⽀创建,切换,

    2024年02月05日
    浏览(66)
  • conda常用命令和Linux下安装conda

    1.下载Anaconda安装包 清华镜像 在ubuntu中ctr+alt+t打开终端,输入 即可直接从清华镜像网站上下载anaconda安装包, 视情况选择自己的版本,我选择的是2021.11版本。 2.安装包下载完成之后键入 期间有ENTER的地方可以直接回车,遇到MORE信息,可以摁Q键跳过,遇到需要输入yes|no的地方

    2024年02月16日
    浏览(42)
  • linux conda环境安装

    一、软件预准备 1. 软件下载 https://repo.anaconda.com/archive/index.html 或者,我们可以复制下载的链接,直接在服务器上下载,如: 2. 安装conda 在conda文件的统计目录下输入命令安装,一路回车,直到他要求输入yes 3. 设置环境变量 配置环境变量,这里的export PATH填的是conda的bin文件地

    2024年02月16日
    浏览(37)
  • linux安装Conda详细步骤

    一、下载conda Index of / https://repo.anaconda.com/archive/index.html 选择自己需要的版本下载,例如我下载的版本是Anaconda3-2023.07-1-Linux-x86_64.sh 二、安装conda 进入下载位置并在终端中打开,输入bash + 上面下载的.sh文件 一路回车一直到提示输入yes,顺势输入yes  然后再回车即开始安装 三

    2024年01月24日
    浏览(35)
  • Linux中搭建FTP服务器,匿名用户访问、本地用户访问、虚拟用户访问(详细解答安装配置步骤)

    对于Linux搭建服务器步骤详解:可以基于匿名访问、本地用户访问、虚拟用户访问 FTP服务访问可分为三种 匿名用户:用户名为ftp或者anonymous,提供任意密码或无密码访问即可. 本地用户:要求有用户名和相对应密码,适用于使用者都是使用此服务器的人。 虚拟用户(出于安全

    2024年02月10日
    浏览(66)
  • 【conda】conda 版本控制和环境迁移/安装conda加速工具mamba /conda常用指令/Anaconda配置

    0. conda 版本控制和环境迁移 基本用法查看当前环境中的所有软件 进阶,导出环境中安装包的列表 方法1: 安装导出的信息: 方法2:用conda env的export功能 导出想要导出的环境 根据导出的yml文件创建环境 根据导出的yml文件更新环境 yml文件提供的信息更全面 1. 安装conda加速工

    2024年01月23日
    浏览(63)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包