「AlphaFold」の版間の差分
ナビゲーションに移動
検索に移動
37行目: | 37行目: | ||
=== おまけ:結果を Jupyter notebook | === おまけ:結果を 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。 | |||
1. 結果のディレクトリを手元のPCにコピーします | 1. 結果のディレクトリを手元のPCにコピーします |
2021年8月24日 (火) 07:15時点における版
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。
使い方:
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/venv_AF2.tar.gz tar zxvf venv_AF2.tar.gz
~/venv_AF2/af2_pbs 内にサンプルスクリプト(af2_test_node.sh)があります。これを適当な名前をつけてコピーして編集します
cp ~/venv_AF2/af2_pbs/af2_test_node.sh ~/my_af2.sh vi ~/my_af2.sh
44行目、
bash ${AF_DIR}/run_alphafold_gpfs.sh -d ${DB} -o ${HOME}/dtest -m model_1_ptm,model_2_ptm,model_3_ptm,model_4_ptm,model_5_ptm -f ${AF_DIR}/example/query.fasta -t 2020-05-14 -g False
を適宜書き換えて保存してください。
qsubに与えて実行します。
qsub my_af2.sh
必須のオプション:
- -o 結果ディレクトリ
- -f 検索するアミノ酸配列
- -m モデルの数(サンプルでは5モデル全てを適用した結果を返すように書かれています)
他のオプションの説明:
- -d alphafold用データベースのディレクトリ
- -t 最新のテンプレート公開日(このままで大丈夫です 2021-08-24現在)
- -g GPUを使うかどうか(当システムにGPUはありません...)
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 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
- alphafold
- 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。