AlphaFold2开源了，不是土豪也不会编程的你怎么蹭一波？

2020年，AlphaFold2在CASP14蛋白质结构预测关键评估大赛中夺得透明，其预测的大部分结构达到了空前的准确度，不仅与实验方法不相上下，还远超解析新蛋白质结构的其他方法。

经过2个月的审稿，AlphaFold论文发表于Nature杂志，详述了其算法原理和训练过程。

为了方便学术应用，AlphaFold代码开源于Github：https://github.com/deepmind/alphafold 。每个人都可以下载安装运行，目前已有1.7K STAR。

很贴心的是，AlphaFold提供了Docker版（用了Docker，妈妈再也不担心我的软件安装了 - 基础篇），直接就可以安装运行。

安装之前，我们先看看硬件需求。

1. 硬盘 3T。Alpha fold训练好的模型加数据库下载下来是428 GB大小的文件，解压后需要2.2T的空间。

2. CPU: 12个虚拟CPU （可理解为12个超线程）

3. 内存：85 GB

4. GPU：1个Nvidia A100 GPU；NVIDIA A100 GPU拥有40gb的高速HBM2内存 ，6912个CUDA核心（大约7万元）

倒也不是特别难配起来（尤其是跟这个比起来：50T内存？百万机时？头一次见这么耗费内存和机时的分析？），有需要的可以行动起来，虚拟筛选做起来。（当然如果要自己训练模型，这计算能力估计是远远跟不上的）

如果这个配置目前也配不起来，怎么办呢？

别着急。Science发表了一个性能接近AlphaFold2，但速度更快和所需计算资源更少的工具 RoseTTAFold，据说一台游戏本就可以跑起来。

钱还是准确性的一个大问题

RoseTTAFold（名字有点长）可以在https://github.com/RosettaCommons/RoseTTAFold获取，其安装依赖于Conda环境。具体的硬件没有说，只是提到一台游戏本就可以跑起来。

一文掌握Conda软件安装：虚拟环境、软件通道、加速solving、跨服务器迁移

那，不懂Docker，不懂Conda，没钱买硬件，就干不了了吗？

在线工具永远是你的好朋友，就像推荐一款高颜值免费在线SCI绘图工具~~~和这个在线Venn 网络很漂亮！3分钟带你绘制！

RoseTTAFold作者也给我们提供了一个在线版，直接提交序列预测结构 (https://robetta.bakerlab.org/)。

注册后，提交序列就可以分析了

很多人在排队，过几天再来吧！

 

参考资料：

https://science.sciencemag.org/content/early/2021/07/14/science.abj8754

https://science.sciencemag.org/content/373/6552/262

https://newsroom.uw.edu/news/accurate-protein-structure-prediction-now-accessible-all

往期精品(点击图片直达文字对应教程)

机器学习

后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集