科研 Skill
AlphaFold2 蛋白质结构预测
alphafold2
使用 ColabFold 运行器和 AlphaFold2/AlphaFold2-Multimer 预测蛋白质单体、多聚体与复合物结构,并通过 pLDDT、ipTM 和 RMSD 评估预测与设计质量。
SKILL.md
AlphaFold2
AlphaFold2
精选
更新于 2 周前
通过 ColabFold 运行器使用 AlphaFold2 预测蛋白质单体和多聚体结构(ColabFold:Mirdita 等,2022,github.com/sokrypton/ColabFold;AlphaFold2:Jumper 等,2021)。当需要使用 AF2/AF2-Multimer Evoformer 折叠序列或复合物、通过自洽性 pLDDT、ipTM 和 RMSD 验证设计序列,或使用公共 MMseqs2 服务器快速运行基于 MSA 的预测时,请使用此技能。
文件
AlphaFold2(ColabFold 运行器)
此技能通过 colabfold_batch 封装 AlphaFold2 和 AlphaFold2-Multimer。该工具使用公共 MMseqs2 服务器调用替代 DeepMind 基于本地数据库的 MSA 流程,因此一次预测只需一条命令和一个 FASTA 文件,而无须挂载 2 TB 的数据库。AF2 仍是单体结构预测的基准模型,多聚体模型也仍是强有力的蛋白质–蛋白质验证工具,但它不能处理配体或核酸;对于这些对象,请转用 boltz、chai1 或 openfold3。ColabFold 代码采用 MIT 许可证(github.com/sokrypton/ColabFold),AlphaFold2 代码采用 Apache-2.0 许可证(github.com/google-deepmind/alphafold);AF2 模型参数采用 CC-BY-4.0 许可证,并受 DeepMind 使用条款约束。
运行方法
colabfold_batch input.fasta out \
--num-recycle 3 \
--model-type alphafold2_multimer_v3
输入是普通 FASTA 文件。对于复合物,将每条链放在同一序列行中,并用 : 分隔——colabfold_batch 会为每个片段构建配对 MSA,并在检测到冒号时运行多聚体模型(因此,上面显式指定 --model-type alphafold2_multimer_v3 是为了双重保险)。对于单体,请省略 --model-type 和冒号。--templates 和 --amber 分别用于添加 PDB 模板和执行 OpenMM 松弛;两者默认均关闭,并且都会使每个模型的运行时间增加数分钟。
默认情况下,ColabFold 会运行全部五组 AF2 模型权重,并按 pLDDT 排名(对于多聚体,则按 pTM/ipTM 排名)。因此,每个查询的输出都会写入 out/,包括五个已排序的 PDB 文件 <name>_unrelaxed_rank_00{1..5}_*.pdb(B-factor 列存放 pLDDT),以及对应的 <name>_scores_rank_00{N}_*.json 文件,其中包含 plddt、ptm,对于多聚体还包含 iptm 和 pae 矩阵。应首先查看排名第 1 的模型;通常将 ipTM > 0.5 作为界面通过的宽松标准。
统一内存的默认设置会在 gVisor 下无限循环——环境补丁会将其移除
导入时,colabfold/batch.py 会强制设置 TF_FORCE_UNIFIED_MEMORY=1 和 XLA_PYTHON_CLIENT_MEM_FRACTION=4.0。在 gVisor 沙箱下,统一内存不受支持,因此 JAX 的 device_put 会在加载 AF2 参数期间陷入无限循环,不断分配主机内存——作业看起来像是卡住了,但始终不会报错。请在导入前覆盖这两个设置(TF_FORCE_UNIFIED_MEMORY=0,内存比例设为 0.95),或者在构建镜像时使用 sed 从 batch.py 中移除这两处赋值,否则第一次折叠预测永远不会开始。
MSA 服务器是实际耗时的瓶颈,而且属于共享资源
colabfold_batch 默认使用 --msa-mode mmseqs2_uniref_env,它会将序列提交到 api.colabfold.com。该服务器是受速率限制的公共资源:对于耗时较短的折叠任务,等待时间占据主要部分,并且在负载较高时偶尔会超时。对于批量任务,请先使用 --msa-only 运行一次 MSA 阶段,保留生成的 .a3m 文件,然后在后续运行中将该目录作为输入——这样 GPU 阶段会立即开始,并且不会再次访问该服务器。
值得识别的错误
| 你看到的现象 | 含义/处理方法 |
|---|---|
作业在 Running model_1 阶段无提示地卡住,同时主机内存持续增长 | gVisor 下的统一内存循环——参见上文注意事项;覆盖相关设置或修补 batch.py。 |
XLA 编译期间出现 RESOURCE_EXHAUSTED/OOM | XLA_PYTHON_CLIENT_MEM_FRACTION 对 GPU 而言设置过高——将其从默认的 0.95 下调至 0.9 左右。 |
MSA 阶段卡在 Submitting job | 公共 MMseqs2 服务器正在限流——请等待,或使用 --msa-only 预先计算,然后从缓存的 .a3m 文件重新运行。 |
下一步: 对于设计序列验证,请使用 US-align 将排名第 1 的模型叠合到设计骨架上,并根据 pLDDT/ipTM 阈值决定是否通过;对于含配体的复合物,请将相同的链交给 boltz 或 chai1。
详细信息
作者
Anthropic
许可证
Apache-2.0
第三方软件、内容、条款和信息
权重 — AlphaFold2 · Google DeepMind(CC-BY-4.0)— 条款(在新标签页中打开)发送数据至 — ColabFold MSA 服务器(api.colabfold.com)· Steinegger Lab — 信息
\
所属插件
安装该插件会一并获得同领域的 31 个 Skill / MCP。
同插件的其他科研 Skill
- 生信论文写作助手按钮审批、本机R优先与生信论文质控交付
- BioServices 生信数据库助手统一访问生物信息数据库
- Boltz 生物分子共折叠使用 Boltz-2 预测蛋白质、核酸和小分子复合物结构(Passaro、Wohlwend 等,2025)。适用于针对靶标验证设计的结合蛋白、将蛋白质与 SMILES 或 CCD 配体共同折叠,或使用可选的结合亲和力预测功能获得开源 AlphaFold3 替代方案。
- Borzoi 基因组调控预测使用 Borzoi 根据 DNA 序列预测全基因组功能轨迹(RNA-seq、CAGE、DNase、ChIP)。适用于评估变异对表达或染色质可及性的调控效应、生成某个基因组位点的预测覆盖轨迹,或根据预测轨迹差值确定非编码变异的优先级。
- bulk RNA-seq 分析助手复现 bulk RNA-seq 分析流程
- Chai-1 复合物结构预测使用 Chai-1 基础模型(Chai Discovery,2024,github.com/chaidiscovery/chai-lab)预测蛋白质、核酸和小分子复合物结构。适用于从单个 FASTA 预测抗体—抗原或蛋白质—配体复合物、将设计的结合蛋白重新折叠并作为 AlphaFold-Multimer 的替代方案,或通过 Python 在 GPU 上执行批量共折叠任务。
- 肿瘤枢纽基因课题规划规划传统肿瘤生信课题
- deepTools NGS 信号分析生成 NGS 质控和信号图
- DiffDock 小分子对接使用 DiffDock-L(Corso 等,2023/2024)预测小分子结合姿势。它通过盲扩散对接,在无需预定义搜索框的情况下将配体放入蛋白质口袋,并使用学习得到的置信度模型对样本排序。适用于将 SMILES 或 SDF 对接至 PDB、为小型片段库生成排序后的三维姿势,或为后续重打分生成起始姿势。DiffDock 预测几何构象,而非亲和力。
- ESMFold2 全原子共折叠使用 Biohub ESMFold2/ESMFold2-Fast 进行全原子共折叠,支持单序列和 MSA 模式以及蛋白质、DNA、RNA、配体(CCD/SMILES)和修饰残基;FoldBench 抗体–抗原 DockQ 通过率为 50–55%,PPI 为 70–77%。也覆盖同一版本的 ESMC-{300M,600M,6B} 蛋白质语言模型,包括掩码语言模型 logits、隐藏状态、突变评分、接触预测和 SAE 可解释性预测头。适用于预测单序列输入的复合物结构、使用 ESMFold2-Fast 验证设计结合蛋白、运行 MSA 输入、获取 ESMC 嵌入或逐残基突变分数,以及选择符合论文吞吐设置的内核后端和采样步数。
- Evo 2 基因组基础模型使用长上下文基因组基础模型 Evo 2 对 DNA 序列进行评分、嵌入和生成。适用于计算逐核苷酸或逐序列似然以评估变异效应、嵌入基因组窗口供下游分类使用、根据前缀生成 DNA,以及跨物种评估调控区或编码区。
- ESM-2 蛋白质语言模型使用 Meta AI 的 ESM-2(`fair-esm` 软件包)生成蛋白质嵌入。适用于提取残基级或序列级嵌入供下游机器学习使用、进行掩码语言模型似然或突变效应评分,以及根据序列预测接触图。
- gget 生信检索助手跨生信数据库检索基因蛋白信息
- 治疗适应症研究档案生成治疗适应症档案,覆盖患者人群、流行病学、疾病生物学、标准治疗、监管先例和里程碑式临床试验。
- LigandMPNN 配体环境蛋白设计使用 LigandMPNN(Dauparas 等,2023)在配体、核酸和金属环境下对蛋白质骨架进行逆折叠。适用于重新设计结合口袋中围绕已结合小分子或辅因子的残基、设计必须保持几何构型的金属配位位点,或从任意 MPNN 运行中获得穿线了设计序列的 PDB。
- 科学文献综述查找、核验并综合科学文献——从“X 领域的奠基性论文是哪篇”到完整的多来源综述。涵盖以真实检索到的来源支撑论断、避免伪造引文、处理撤稿,以及根据证据强度校准置信程度。
- 医学文献精读助手精读医学文献并提取关键信息
- Methods 段落写作助手改写可投稿的 Methods 段落
- 科研晨间简报将用户的晨间简报渲染为有样式的 HTML 产物,或将其设置为工作日循环任务。仅当用户明确要求运行、查看或设置晨间简报,或明确调用 /morning 时使用;仅询问当天安排、日程或日历并不构成晨间简报请求,应直接回答。
- OpenFold3 复合物结构预测使用 OpenFold3 进行结构预测。OpenFold3 是 AlQuraishi 实验室开发的 AlphaFold3 开放权重 PyTorch 复现。适用于使用 Apache-2.0 许可的 AF3 复现模型预测蛋白质、核酸和配体复合物结构。
- 通路富集分析助手执行通路和基因集富集分析
- ProteinMPNN 蛋白质序列设计使用 ProteinMPNN(Dauparas 等,2022,github.com/dauparas/ProteinMPNN)将蛋白质骨架(PDB 结构)逆折叠为氨基酸序列。适用于对 RFdiffusion 骨架进行序列设计、在固定界面残基的同时重新设计 PDB 中的一条链,或生成跨温度采样的序列集合供下游折叠使用。
- PyDESeq2 差异表达分析分析 bulk RNA-seq 差异表达
- QTL 共定位研究规划设计 QTL 与 GWAS 共定位分析
常见问题
AlphaFold2 蛋白质结构预测能做什么?
使用 ColabFold 运行器和 AlphaFold2/AlphaFold2-Multimer 预测蛋白质单体、多聚体与复合物结构,并通过 pLDDT、ipTM 和 RMSD 评估预测与设计质量。
如何安装AlphaFold2 蛋白质结构预测?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「AlphaFold2 蛋白质结构预测」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
AlphaFold2 蛋白质结构预测需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
AlphaFold2 蛋白质结构预测经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。