「AlphaFold」の版間の差分
ナビゲーションに移動
検索に移動
(同じ利用者による、間の11版が非表示) | |||
1行目: | 1行目: | ||
== DeepMind社のタンパク質立体構造予測プログラム [https://github.com/deepmind/alphafold AlphaFold] が利用できます。== | == DeepMind社のタンパク質立体構造予測プログラム [https://github.com/deepmind/alphafold AlphaFold] が利用できます。== | ||
=== 2023/01/18 最新版 AlphaFold 2.3.1 の利用方法です。2.1〜は[[AlphaFold211|こちら]] === | |||
使い方:<br> | 使い方:<br> | ||
ソースをホームディレクトリにコピーして解凍してください | 1. ソースをホームディレクトリにコピーして解凍してください | ||
cd | cd | ||
cp /bio/package/alphafold/ | cp /bio/package/alphafold/alphafold-2.3.1.tar.gz ~/ | ||
tar zxvf | tar zxvf alphafold-2.3.1.tar.gz | ||
2. 解凍したディレクトリに移動します | |||
cd alphafold-2.3.1 | |||
3. make_env.sh を実行してpythonの仮想環境をセットアップします | |||
bash make_env.sh | |||
4. setup.sh を実行してさらに必要なものをインストールします | |||
bash setup.sh | |||
cp ~/ | 5. ホームディレクトリに「AF230」というディレクトリが作成されます。この中にalphafold実行に必要なものが入っていますので、削除しないでください | ||
6. run_alphafold_example.sh がサンプルスクリプトです。これを適当な名前をつけてコピーして編集します | |||
cp ~/alphafold-2.3.1/run_alphafold_example.sh ~/my_af2.sh | |||
vi ~/my_af2.sh | vi ~/my_af2.sh | ||
書き換えるのは、############# EDIT FOLLOW LINE ################### から下の4行:22〜25行目、 | |||
<pre> | |||
output_dir="${HOME}/af_result" | |||
fasta_path="${AF_DIR}/example/query.fasta" | |||
model_preset='monomer_ptm' #'monomer' | 'monomer_casp14' | 'monomer_ptm' | 'multimer' | |||
db_preset='full_dbs' #'full_dbs' | 'reduced_dbs' | |||
</pre> | |||
上から、 | |||
# <code>output_dir=</code> 結果を保存するディレクトリ名 | |||
# <code>fasta_path=</code> 解析したい配列のFASTAファイル | |||
# <code>model_preset=</code> 使いたいモデル名(monomer、monomer_casp14、monomer_ptm、multimer)のどれか | |||
# <code>db_preset=</code> 使いたいデータベース名(full_dbs または reduced_dbs) | |||
<code>#PBS</code> から続くqsubオプションも適宜変更ください(キュー名や利用するリソース量など) | |||
実行: | |||
qsub ~/my_af2.sh | |||
所要時間は検索配列の長さに依存します 〜70 => 40分、〜500 => 10時間 | 所要時間は検索配列の長さに依存します 〜70 => 40分、〜500 => 10時間 | ||
=== おまけ:結果を手元のPCの jupyter-notebook で立体的に見てみましょう: [https://github.com/piroyon/fold3Dplot_jupyter fold3Dplot_jupyter] === | |||
=== | |||
0. bias5からはログアウトし、手元のPCで閲覧します。 | 0. bias5からはログアウトし、手元のPCで閲覧します。 | ||
52行目: | 66行目: | ||
* matplotlib.pyplot | * matplotlib.pyplot | ||
* ipywidgets | * ipywidgets | ||
* jupyter-notebook | * jupyter-notebook | ||
2023年1月31日 (火) 04:24時点における最新版
DeepMind社のタンパク質立体構造予測プログラム AlphaFold が利用できます。
2023/01/18 最新版 AlphaFold 2.3.1 の利用方法です。2.1〜はこちら
使い方:
1. ソースをホームディレクトリにコピーして解凍してください
cd cp /bio/package/alphafold/alphafold-2.3.1.tar.gz ~/ tar zxvf alphafold-2.3.1.tar.gz
2. 解凍したディレクトリに移動します
cd alphafold-2.3.1
3. make_env.sh を実行してpythonの仮想環境をセットアップします
bash make_env.sh
4. setup.sh を実行してさらに必要なものをインストールします
bash setup.sh
5. ホームディレクトリに「AF230」というディレクトリが作成されます。この中にalphafold実行に必要なものが入っていますので、削除しないでください
6. run_alphafold_example.sh がサンプルスクリプトです。これを適当な名前をつけてコピーして編集します
cp ~/alphafold-2.3.1/run_alphafold_example.sh ~/my_af2.sh vi ~/my_af2.sh
書き換えるのは、############# EDIT FOLLOW LINE ################### から下の4行:22〜25行目、
output_dir="${HOME}/af_result" fasta_path="${AF_DIR}/example/query.fasta" model_preset='monomer_ptm' #'monomer' | 'monomer_casp14' | 'monomer_ptm' | 'multimer' db_preset='full_dbs' #'full_dbs' | 'reduced_dbs'
上から、
output_dir=
結果を保存するディレクトリ名fasta_path=
解析したい配列のFASTAファイルmodel_preset=
使いたいモデル名(monomer、monomer_casp14、monomer_ptm、multimer)のどれかdb_preset=
使いたいデータベース名(full_dbs または reduced_dbs)
#PBS
から続くqsubオプションも適宜変更ください(キュー名や利用するリソース量など)
実行:
qsub ~/my_af2.sh
所要時間は検索配列の長さに依存します 〜70 => 40分、〜500 => 10時間
おまけ:結果を手元のPCの jupyter-notebook で立体的に見てみましょう: fold3Dplot_jupyter
0. bias5からはログアウトし、手元のPCで閲覧します。
1. 結果のディレクトリを手元のPCにコピーします
scp your_user_id@bias5.nibb.ac.jp:~/your_alphafold_result_directory .
2. 手元のPCに python3 および、下記のライブラリをインストールします。
- numpy
- pickle
- py3Dmol
- matplotlib.pyplot
- ipywidgets
- jupyter-notebook
3. fold3Dplot_jupyter から、fold3Dplot.ipynb をダウンロードします。
4. 先ほどの alphafoldの結果ディレクトリに fold3Dplot.ipynb を置きます
5. jupyter-notebook を起動します
python3 jupyter-notebook
6. fold3Dplot.ipynb を jupyter の画面から開き、セル->全てのセルを実行 します。