2020年，AlphaFold2在CASP14蛋白質結構預測關鍵評估大賽中奪得透明，其預測的大部分結構達到了空前的準確度，不僅與實驗方法不相上下，還遠超解析新蛋白質結構的其他方法。

經過2個月的審稿，AlphaFold論文發表于Nature雜志，詳述了其算法原理和訓練過程。

為了方便學術應用，AlphaFold代碼開源于Github：https://github.com/deepmind/alphafold 。每個人都可以下載安裝運行，目前已有1.7K STAR。

很貼心的是，AlphaFold提供了Docker版（用了Docker，媽媽再也不擔心我的軟件安裝了 - 基礎篇），直接就可以安裝運行。

安裝之前，我們先看看硬件需求。

硬盤 3T。Alpha fold訓練好的模型加數據庫下載下來是428 GB大小的文件，解壓后需要2.2T的空間。

CPU: 12個虛擬CPU （可理解為12個超線程）

內存：85 GB

GPU：1個Nvidia A100 GPU；NVIDIA A100 GPU擁有40gb的高速HBM2內存 ，6912個CUDA核心（大約7萬元）

倒也不是特別難配起來（尤其是跟這個比起來：50T內存？百萬機時？頭一次見這么耗費內存和機時的分析？），有需要的可以行動起來，虛擬篩選做起來。（當然如果要自己訓練模型，這計算能力估計是遠遠跟不上的）

如果這個配置目前也配不起來，怎么辦呢？

別著急。Science發表了一個性能接近AlphaFold2，但速度更快和所需計算資源更少的工具 RoseTTAFold，據說一臺游戲本就可以跑起來。

錢還是準確性的一個大問題

RoseTTAFold（名字有點長）可以在https://github.com/RosettaCommons/RoseTTAFold獲取，其安裝依賴于Conda環境。具體的硬件沒有說，只是提到一臺游戲本就可以跑起來。

一文掌握Conda軟件安裝：虛擬環境、軟件通道、加速solving、跨服務器遷移

那，不懂Docker，不懂Conda，沒錢買硬件，就干不了了嗎？

在線工具永遠是你的好朋友，就像推薦一款高顏值免費在線SCI繪圖工具~~~和這個在線Venn 網絡很漂亮！3分鐘帶你繪制！

RoseTTAFold作者也給我們提供了一個在線版，直接提交序列預測結構 (https://robetta.bakerlab.org/)。

注冊后，提交序列就可以分析了

很多人在排隊，過幾天再來吧！

?

參考資料：

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(點擊圖片直達文字對應教程)

機器學習

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

總結

以上是生活随笔為你收集整理的AlphaFold2开源了，不是土豪也不会编程的你怎么蹭一波？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。