欢迎浏览我的CSND博客！ Blockbuater_drug …点击进入

---

前言

本文提供了生物分子体系结构预测开源模型RoseTTAFold All-Atom的Conda安装及使用体验。

一、RoseTTAFold All-Atom(RFAA)是什么？

github代码：https://github.com/baker-laboratory/RoseTTAFold-All-Atom
science介绍文章：https://www.science.org/doi/10.1126/science.adl2528
science文章的预印本：https://www.biorxiv.org/content/10.1101/2023.10.09.561603v1.full.pdf

2024年3月7日，Science期刊报道了来自David Baker团队的蛋白质设计工具更新：RoseTTAFold All-Atom（RFAA），标题为Generalized biomolecular modeling and design with RoseTTAFold All-Atom。RFAA可以将氨基酸和 DNA 碱基的基于残基的表示与所有其他基团的原子表示相结合，从而对包含蛋白质、核酸、小分子、金属和给定序列和化学结构的共价修饰的组件进行建模。

似乎看到了AlphaFold-latest的影子。。。。

RFAA通过对扩散去噪任务进行微调，它通过直接在小分子和其他非蛋白质分子周围构建蛋白质结构，来生成结合口袋。将结构预测推广到所有生物分子。Baker 表示：「原则上，经过更多样化数据集训练的网络应该能够更好地进行泛化。」他补充说，研究人员计划让该网络取代任务特定版本的 RoseTTAFold。

具体来说，研究人员根据 RoseTTAFold2（RF2）蛋白质结构预测网络对网络架构进行建模，该网络可以接受 1D 序列信息、来自同源模板的 2D 成对距离信息和 3D 坐标信息，并通过许多隐藏层迭代改进预测结构。与蛋白质和核酸序列不同，分子图是排列不变的，因此，无论小分子元素标记顺序如何，网络都应该做出相同的预测。AF2 和 RF2 中，氨基酸和碱基的序列顺序是通过相对位置编码来表示的；对于原子，该团队省略了这样的编码并利用网络注意力机制的排列不变性。

研究人员还修改了坐标更新：在 AF2 和 RF2 中，蛋白质残基由 C 坐标和 N-C -C 刚性框架 α 的方向 α 表示，并且沿着 3D 轨迹，网络生成每个框架方向的旋转更新，以及每个坐标的平移更新。为了在 RFAA 中概括这一点，重原子坐标被添加到 3D 轨迹中，并仅根据对其位置的预测平移更新独立移动。因此，在输入后，整个系统立即被表示为氨基酸残基、核酸碱基以及自由移动原子的气体，它通过网络的许多块连续转化为物理上合理的组装结构。对于指导参数优化的损失函数，研究人员开发了 AF2 中引入的帧对齐点误差（FAPE）损失的全原子版本，通过根据其键合邻居的身份定义任意分子中每个原子的坐标系，与基于残基的 FAPE 一样，连续对齐每个坐标系并计算周围原子的坐标误差。除了原子坐标之外，网络还可以预测原子和残基置信度 (pLDDT) 和成对置信度 (PAE) 指标，从而能够识别高质量的预测。

简言之，RFAA可以预测所有主要的生物分子体系，包括与大分子相互作用的其他分子，可以用来做药物分子设计与生成。

看看RFAA的效果如何：

二、安装步骤

安装环境：Ubuntu 22.04, CUDA runtime版本11.8，GCC 11.4。

1. 安装mamba（非必须的，conda也可以）

wget "https://github.com/conda-forge/miniforge/releases/latest/download/Mambaforge-$(uname)-$(uname -m).sh"

bash Mambaforge-$(uname)-$(uname -m).sh

2. 下载RoseTTAFold-All-Atom

重新打开一个Terminal：

git clone https://github.com/baker-laboratory/RoseTTAFold-All-Atom
cd RoseTTAFold-All-Atom

3. 创建conda环境并安装

mamba env create -f environment.yaml

问题：可能会卡在 Installing pip dependencies
解决：退出。进入环境，然后pip install -r list.txt安装相应内容即可。

conda activate RFAA

4. 安装SE3T

cd rf2aa/SE3Transformer

pip install --no-cache-dir -r requirements.txt

python3 setup.py install

5. 准备cs-blast

bash install_dependencies.sh

6. 安装signalp6

申请license

下载并安装，在conda RFAA_env环境中运行:

signalp6-register signalp-6.0h.fast.tar.gz

修改模型参数文件的名称，执行如下：

mv $CONDA_PREFIX/lib/python3.10/site-packages/signalp/model_weights/distilled_model_signalp6.pt $CONDA_PREFIX/lib/python3.10/site-packages/signalp/model_weights/ensemble_model_signalp6.pt

输入signalp6，查看安装，输出：

7. 下载序列和模板数据库

下载数据库，放置在RoseTTAFold-All-Atom文件夹；如果置于其他文件夹，需要与base.yaml 和make_msa.sh的参数路径匹配。

遇到的问题1： 数据库下载慢
解决方法： conda安装的情况下，数据库可以使用软连接到其他来源，可以连接到AF2或者RF2的数据库。

uniref30 [46GB]

wget http://wwwuser.gwdg.de/~compbiol/uniclust/2020_06/UniRef30_2020_06_hhsuite.tar.gz
mkdir -p UniRef30_2020_06
tar xfz UniRef30_2020_06_hhsuite.tar.gz -C ./UniRef30_2020_06

BFD [272GB]

wget https://bfd.mmseqs.com/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt.tar.gz
mkdir -p bfd
tar xfz bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt.tar.gz -C ./bfd

structure templates [87GB]
包含pdb100_2021Mar03_a3m.ffdata, pdb100_2021Mar03_a3m.ffindex, pdb100_2021Mar03_cs219.ffdata, pdb100_2021Mar03_cs219.ffindex, pdb100_2021Mar03_hhm.ffdata, pdb100_2021Mar03_hhm.ffindex, pdb100_2021Mar03_pdb.ffdata, pdb100_2021Mar03_pdb.ffindex 一共8个文件，解压后~300 GB。

wget https://files.ipd.uw.edu/pub/RoseTTAFold/pdb100_2021Mar03.tar.gz
tar xfz pdb100_2021Mar03.tar.gz

8. 运行RFAA

运行方法：

python -m rf2aa.run_inference --config-name {your inference config}

其中，your inference config的示例文件位于 rf2aa/config/inference目录，当前有5种config模板文件供参考：

protein：单体monomer
protein_complex_sm: 蛋白-小分子复合物
nucleic_acid：核酸
protein_na_sm：蛋白-核酸-小分子复合物
covalent：蛋白-共价小分子复合物

相应的fasta文件位于examples文件。

使用时修改或者建立相应的config文件，然后将fasta文件置于examples文件夹相应的位置。

8.0 运行可能遇到的问题及解决方法

遇到的问题1： 报错 sequence ss_pred contains no residues
解决方法： 类似于 RosettaFold的解决方法

wget https://ftp.ncbi.nlm.nih.gov/blast/executables/legacy.NOTSUPPORTED/2.2.26/blast-2.2.26-x64-linux.tar.gz
tar -zxvf blast-2.2.26-x64-linux.tar.gz

修改make_ss.sh文件：在开始位置添加export BLASTMAT=绝对路径

#!/bin/bash
# From: https://github.com/RosettaCommons/RoseTTAFold
export BLASTMAT=$FULLPATHTO/blast-2.2.26/data/

遇到的问题2： 12GB，提示显存不足，退出

解决方法： 将pytorch的 max_split_size_mb设置小一些，加进环境变量

export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb: 1024

5种运行实例如下：

8.1 运行单体蛋白（monomer）结构预测

python -m rf2aa.run_inference --config-name protein

protein.yaml文件内容如下:

defaults:
  - base

job_name: "7u7w_protein"
protein_inputs: 
  A:
    fasta_file: examples/protein/7u7w_A.fasta

435AA，运行结果如下；RMSD=1.432，

8.2 运行蛋白-小分子复合物结构预测

python -m rf2aa.run_inference --config-name protein_complex_sm

结果展示如下，很好的找到了小分子的结合位置。

8.3 运行蛋白-核酸复合物结构预测

python -m rf2aa.run_inference --config-name nucleic_acid

运行结果如下，RMSD=1.688

8.4 运行蛋白-核酸-小分子多聚体结构预测

python -m rf2aa.run_inference --config-name protein_na_sm

结果展示：

8.5 运行蛋白-共价结合小分子结构预测

python -m rf2aa.run_inference --config-name covalent

运行30min，结果：

---

总结

本文提供了生物体系结构预测开源模型RoseTTAFold All-Atom的Conda安装及使用体验。

参考资料

1. https://github.com/baker-laboratory/RoseTTAFold-All-Atom
2. https://www.science.org/doi/10.1126/science.adl2528
3. https://zhuanlan.zhihu.com/p/685998369

欢迎浏览我的CSND博客！ Blockbuater_drug …点击进入