Прогнозирование молекулярных структур с помощью AlphaFold 2 и 3

Введение

В октябре 2024 года Нобелевскую премию по химии присудили работе AlphaFold 2, модели глубокого обучения, разработанной Google DeepMind, которая точно предсказывает трёхмерную структуру белка исключительно по его аминокислотной последовательности. Говорить, что эта работа революционная, — значит недооценивать её значение, учитывая, насколько критична роль белков в биологических процессах и как сильно структура белка связана с его функцией. Исторически исследователи могли тратить всю свою кандидатскую диссертацию или годы своей карьеры на определение структуры одного белка с помощью экспериментальных методов, таких как рентгеновская кристаллография или криоэлектронная микроскопия. Это замедляло развитие ряда направлений биологических исследований, включая поиск хороших кандидатов в лекарства для лечения множества в настоящее время неизлечимых заболеваний.

Основные выводы

• AlphaFold 2 не предназначен для того, чтобы соперничать с экспериментальными методами работы в лаборатории, а скорее для того, чтобы предоставлять проверяемые гипотезы, которые могут направлять исследователей в предсказании структуры белков. AlphaFold 2 был обучен на данных из Банка данных о белках (Protein Data Bank).

• AlphaFold 3 обладает дополнительными возможностями по сравнению с AlphaFold 2, включая способность предсказывать структуры комплексов, содержащих все типы молекул, присутствующие в Банке данных о белках, за исключением молекул воды. AlphaFold 3 может работать с:

  • Комплексы белков с ДНК, РНК, низкомолекулярными лигандами и ионами
  • Структуры с посттрансляционными модификациями белков (включая гликозилирование)

• И AlphaFold 2, и AlphaFold 3 используют MSA (множественное выравнивание последовательностей) в качестве входных данных, но AlphaFold 3 использует РНК-цепи кроме белков.

• AlphaFold 2 можно использовать бесплатно по лицензии Apache 2.0, тогда как AlphaFold 3 ограничен некоммерческим использованием.

Предварительные требования

Поскольку эта статья охватывает прогнозирование молекулярной структуры, мы рекомендуем иметь или приобрести знания о биомолекулах и связанной с ними биологической терминологии (например, белки, РНК, лиганды и т.д.). Вам также потребуется запросить параметры модели Alphafold 3 для её некоммерческого использования. Доступ может быть предоставлен в течение 2-3 рабочих дней.

Кроме того, для выполнения инструкций по развертыванию в статье предполагается знание технических понятий, включая облачную инфраструктуру (GPU Droplets от Linux-Console.net), работу с командной строкой (SSH, git) и контейнеризацию с использованием Docker.

Понимание входных данных

Множественное выравнивание последовательностей

AlphaFold2 использует множественное выравнивание последовательностей (MSA) для понимания эволюционных связей между белками. MSA эффективен благодаря логике, что аминокислоты, находящиеся в контакте друг с другом, вероятно, будут иметь мутации одновременно, если возникает мутация.

Архитектура модели (AF2 против AF3)

Понимание результатов

Показатели уверенности

AlphaFold предоставляет метрики уверенности, такие как pLDDT, pTM и PAE.

pLDDT

pLDDT (предсказанный тест на локальную разницу расстояний) относится к предсказанию значения LDDT (тест на локальную разницу расстояний). Это значение является мерой уверенности в локальной структуре для каждого остатка. Другими словами, насколько мы уверены, что предсказанная структура соответствует экспериментальной структуре. Это значение масштабируется от 0 до 100, где более высокие показатели указывают на большую уверенность и обычно на более точное предсказание.

pTM и ipTM

Предсказанный балл моделирования по шаблону (pTM) и балл моделирования интерфейса по шаблону (ipTM) оба выводятся из балла моделирования по шаблону, который измеряет точность всей структуры. Балл pTM выше 0,5 предполагает, что предсказанная свёртка комплекса может соответствовать истинной структуре. ipTM оценивает предсказанное относительное расположение субъединиц: значения выше 0,8 указывают на высокую уверенность в прогнозе, ниже 0,6 — на вероятный провал, а 0,6-0,8 — на неопределённость. Для небольших структур или коротких цепей (менее 20 токенов) оценка TM становится чрезмерно строгой, давая значения pTM ниже 0,05; в таких случаях PAE или pLDDT лучше показывают качество предсказания.

PAE

PAE, предсказанная ошибка выравнивания, является показателем того, насколько AlphaFold 2 уверен в относительном положении и ориентации двух остатков (токенов) в предсказанной структуре. Более высокие значения соответствуют большей предсказанной ошибке и, следовательно, меньшей уверенности.

Мне использовать AlphaFold 2 или 3?

AlphaFold 3 превосходит AlphaFold 2 по точности и может предсказывать комплексы из нескольких молекул, но различия в лицензировании означают, что AlphaFold 2 остаётся незаменимым для многих пользователей. AlphaFold 2 бесплатно доступен для академического и коммерческого использования по лицензии Apache 2.0, в то время как AlphaFold 3 разрешён только для некоммерческого использования; его нельзя использовать в коммерческих исследованиях, для обучения конкурирующих моделей машинного обучения или для получения результатов с коммерческими целями. Кроме того, показатели доверия AlphaFold 3 для полимеров сильно зависят от контекста вне полимеров, такого как ионы или лиганды, поэтому для исследований, связанных только с полимерами, например взаимодействий белок-белок, может потребоваться добавление контекстных молекул для получения надёжных оценок, тогда как AlphaFold 2 избегает этой сложности, хотя с немного меньшей точностью. С учётом этих факторов Google DeepMind продолжает поддерживать AlphaFold 2 как ценный инструмент для исследований и разработок.

Alphafold 2 на Linux-Console.net

AlphaFold 2 требует скачивания почти ~2,5 ТБ генетических баз данных (UniRef90, MGnify, BFD и др.). Нам нужно будет подключить блочный том хранения (2,5 ТБ для AF2 или 1 ТБ для AF3), чтобы разместить генетические базы данных.

Шаг 1: Настройка окружения (AF2)

Выберите образ Ubuntu «AI/ML Ready», чтобы обеспечить предустановку драйверов NVIDIA и Docker.

Подключитесь к вашему GPU Droplet через SSH:

ssh root@your_droplet_ip

Нам также необходимо убедиться, что наша система обновлена.

Обновите индекс локальных пакетов.

sudo apt update && sudo apt upgrade -y

Скачайте генетические базы данных и параметры модели. Этот шаг может занять некоторое время.

scripts/download_all_data.sh /path/to/your/storage > download.log 2> download_error.log &

Шаг 3: Соберите Docker-образ и установите зависимости

docker build -f docker/Dockerfile -t alphafold .
pip3 install -r docker/requirements.txt

Шаг 4: Запустите модель

python3 docker/run_docker.py \
  --fasta_paths=your_protein.fasta \
  --max_template_date=2022-01-01 \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

Alphafold 3 на Linux-Console.net

Мы также покажем вам, как запускать AlphaFold 3 с использованием наших GPU Droplets. Обратите внимание, что эта модель предназначена только для некоммерческого использования. Заполните эту форму, чтобы получить доступ к параметрам модели. Разрешение обычно предоставляется в течение 2-3 рабочих дней.

Шаг 1: Настройка окружения (AF3)

Выберите образ Ubuntu «AI/ML Ready», чтобы обеспечить предустановку драйверов NVIDIA и Docker.

Подключитесь к вашему GPU Droplet через SSH:

ssh root@your_droplet_ip

Шаг 2: Клонировать Репозиторий

Установите git и загрузите репозиторий AlphaFold 3:

git clone https://github.com/google-deepmind/alphafold3.git
cd alphafold3

Шаг 3: Запустите модель Alphafold 3

docker build -t alphafold3 -f docker/Dockerfile .

docker run -it \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_output:/root/af_output \
    --volume <MODEL_PARAMETERS_DIR>:/root/models \
    --volume <DB_DIR>:/root/public_databases \
    --gpus all \
    alphafold3 \
    python run_alphafold.py \
    --json_path=/root/af_input/fold_input.json \
    --model_dir=/root/models \
    --output_dir=/root/af_output

Часто задаваемые вопросы

В чем основные различия между AlphaFold 2 и AlphaFold 3?

В то время как AlphaFold 2 произвел революцию в предсказании структуры белков, AlphaFold 3 значительно расширяет горизонты. Ключевые различия включают:

• Молекулярный охват: AF2 сосредоточен почти исключительно на белках. AF3 может предсказывать комплексы, включающие ДНК, РНК, лиганды и ионы.
• Архитектура: AF2 использует модуль «Evoformer», тогда как AF3 применяет более простой «Pairformer» и головку на основе диффузии.
• Лицензирование: Это главное. AF2 находится под лицензией Apache 2.0 (разрешено коммерческое использование), тогда как AF3 в настоящее время ограничен некоммерческим использованием.

Почему мне нужно 2,5 ТБ памяти для AlphaFold 2?

Сама модель не занимает много места — на самом деле это генетические базы данных. AlphaFold 2 использует множественное выравнивание последовательностей (MSA), чтобы понять, как эволюционировали белки. Для этого ей нужно искать в огромных библиотеках, таких как UniRef90, MGnify и Big Fantastic Database (BFD).

Примечание: Если у вас мало места для хранения, AlphaFold 3 требует меньший объём базы данных (~1 ТБ) по сравнению с полной версией AlphaFold 2.

Как интерпретировать показатели достоверности $pLDDT$?

pLDDT (предсказанный тест локальной разницы расстояний) — это мера уверенности для каждого остатка аминокислоты по шкале от 0 до 100:

• 90: Высокая уверенность; эти области, вероятно, обладают высокой точностью и могут использоваться для детального структурного анализа.

• 70 - 90: Хорошая уверенность; основная суть, вероятно, правильная.
• 50 - 70: Низкая уверенность; будьте осторожны.
• < 50: Очень низкая уверенность; эти области часто «внутренне неупорядочены», то есть они не имеют фиксированной 3D-структуры в изоляции.

Могу ли я запустить AlphaFold на обычном Droplet без GPU?

Технически «складывание» (вывод) могло бы работать на процессе, но это было бы слишком медленно — для сложных структур, которые GPU обрабатывает за минуты, это займёт дни или недели. Кроме того, образы AlphaFold Docker оптимизированы под инструментарий NVIDIA CUDA. Для любых практических исследований Linux-Console.net GPU Droplet по сути является обязательным.

Что такое SMILES-строка и зачем AlphaFold 3 она нужна?

SMILES расшифровывается как Simplified Molecular-Input Line-Entry System (Упрощённая система ввода молекулярной линии). Это система обозначений, которая представляет химические структуры в виде текстовой строки. Поскольку AlphaFold 3 может предсказывать, как белки взаимодействуют с малыми молекулярными препаратами (лигандами), вы предоставляете структуру препарата через строку SMILES (например, CC(=O)OC1=CC=CC=C1C(=O)O для аспирина).

Предсказанная структура является «окончательной»?

Не обязательно. Хотя AlphaFold исключительно точен, это предсказательная модель, а не экспериментальное наблюдение. В исследованиях лекарственных препаратов или молекулярной биологии AlphaFold лучше всего использовать для выдвижения проверяемых гипотез, которые затем могут направлять достоверные эксперименты в лаборатории.

Заключение

Поздравляем с успешным завершением! Вы только что (надеемся, успешно) развернули AlphaFold 2 и/или 3 на GPU Droplet с Linux-Console.net и хранилищем Volume Storage от Linux-Console.net. AlphaFold делает структурную биологию более доступной, позволяя исследователям во всем мире получать знания, на которые раньше требовались годы дорогостоящих экспериментов. Однако некоторые исследователи предупреждают, что полная зависимость от AlphaFold без экспериментальной проверки — особенно в области поиска новых лекарств — может приводить к ошибочным механистическим моделям, подчеркивая продолжающуюся важность интеграции вычислительных предсказаний с лабораторной верификацией. Помимо непосредственного научного влияния, AlphaFold демонстрирует, как искусственный интеллект способен решать сложные научные задачи, предлагая представление о том, как вычислительные инструменты будут продолжать преобразовывать наше понимание окружающего мира и нашу способность решать актуальные задачи в научных исследованиях.

Ссылки и дополнительные ресурсы

Статья о AlphaFold 2: Высокоточное предсказание структуры белков с помощью AlphaFold

Статья об AlphaFold3: Точное предсказание структуры биомолекулярных взаимодействий с помощью AlphaFold 3

Множественное выравнивание последовательностей: это отличный ресурс для развития вашего понимания МВС.

Прогнозирование структуры белков с помощью ColabFold и AlphaFold2 Colab: Это даст вам представление о работе AlphaFold без необходимости установки и запуска полного программного обеспечения AlphaFold2. Здесь наиболее важные параметры, которые можно изменять, включают: количество повторов (recycles), глубину множественного выравнивания последовательностей (MSA), случайные начальные значения (random seeds) для инициализации прогнозов и возможность предоставления шаблонной структуры. Вывод ColabFold включает файлы PDB, значения и графики pLDDT, файл MSA и др.

Часто задаваемые вопросы о сервере AlphaFold: Сервер AlphaFold — это ещё одна альтернатива запуску AlphaFold3.

Спасибо, что учитесь вместе с сообществом Linux-Console.net.