当前位置：首页 > news >正文

【AlphaFold3】开源本地的安装及使用

news 2026/1/31 2:25:50

文章目录

安装
- 安装Docker
- - Installing Docker on Host
  - 启用Rootless Docker
- 安装 GPU 支持
- - 安装 NVIDIA 驱动程序
  - 安装 NVIDIA 对 Docker 的支持
- 获取 AlphaFold 3 源代码
- 获取基因数据库
- 获取模型参数
- 构建将运行 AlphaFold 3 的 Docker 容器
参考

AlphaFold3:
https://github.com/google-deepmind/alphafold3

安装

参考官方文档：安装并运行您的第一个预测
本教程使用WSL2-Ubuntu22.04

安装Docker

Installing Docker on Host

参考Docker官方：
https://docs.docker.com/engine/install/ubuntu/#install-using-the-repository

设置 Docker 的apt存储库。

# Add Docker's official GPG key:
sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc# Add the repository to Apt sources:
echo \"deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \$(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update

安装 Docker 软件包。
安装最新版本：

sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

通过运行hello-world映像来验证安装是否成功：

sudo docker run hello-world

此时报错：
在这里插入图片描述
解决方法：
换源

sudo vim /etc/docker/daemon.json

查询网络各种方法，改用阿里云镜像均不成功
从闲鱼上买了个源成功了= =’
换源后记得重启：

sudo service docker restart

需注意：！
如果是一般的Linux操作系统，可能是因为Linux中没有使用systemd，想用systemd命令来管理Linux上的服务，因此会报错，很可能是使用的是经典的SysV init（sysvinit）系统。
本教程使用window11下WSL2的Ubuntu，就会使SysV init而不是systemd。
解决方法：
更换命令，用SysV init的命令代替systemd的
在这里插入图片描述

启用Rootless Docker

安装 GPU 支持

安装 NVIDIA 驱动程序

官方方法：

sudo apt-get -y install alsa-utils ubuntu-drivers-common
sudo ubuntu-drivers installsudo nvidia-smi --gpu-resetnvidia-smi  # Check that the drivers are installed.

此步骤个人之前已实现，详见：
CUDA升级/安装/使用最新说明记录

有以下输入表明安装成功，才可以继续。

安装 NVIDIA 对 Docker 的支持

获取 AlphaFold 3 源代码

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

或手动下载：
在这里插入图片描述

获取基因数据库

此步骤需要curl和zstd安装在您的计算机上

# 检查是否安装
curl -V
zstd -V
#sudo apt install zstd

AlphaFold 3 需要多个遗传（序列）蛋白质和 RNA 数据库才能运行：

BFD small
MGnify
PDB (structures in the mmCIF format)
PDB seqres
UniProt
UniRef90
NT
RFam
RNACentral

官方提供了一个 Python 程序fetch_databases.py，可用于下载并设置所有这些数据库。如果不在本地SSD上安装，这个过程大约需要45分钟。我们建议在 screen或tmux会话中运行以下命令，因为下载和解压缩数据库需要一些时间。

cd alphafold3  # cd 到包含AlphaFold 3存储库的目录
python3 fetch_databases.py --download_destination=<DATABASES_DIR>

此脚本从 GCS 上托管的镜像下载数据库，其中包含所有版本与 AlphaFold 3 论文中使用的版本相同。
Note: 下载目录<DATABASES_DIR>不应是AlphaFold 3存储库目录中的子目录。如果是这样，Docker构建将很慢，因为大型数据库将在映像创建过程中被复制。
Note: 完整数据库的总下载大小约为252 GB，解压缩后的总大小为630 GB。
请确保您有足够的硬盘空间、带宽和时间来下载。我们建议使用SSD以获得更好的基因搜索性能，以及fetch_databases.py的更快运行时间。
Note: 如果下载目录和数据集没有完全的读写权限，可能会导致MSA工具出现错误，错误消息不明确。请确保应用了所需的权限，例如使用sudo chmod 755 --recursive <DATABASES_DIR>命令。
在这里插入图片描述
脚本完成后，应该拥有以下目录结构：

pdb_2022_09_28_mmcif_files.tar  # ~200k PDB mmCIF files in this tar.
bfd-first_non_consensus_sequences.fasta
mgy_clusters_2022_05.fa
nt_rna_2023_02_23_clust_seq_id_90_cov_80_rep_seq.fasta
pdb_seqres_2022_09_28.fasta
rfam_14_9_clust_seq_id_90_cov_80_rep_seq.fasta
rnacentral_active_seq_id_90_cov_80_linclust.fasta
uniprot_all_2021_04.fa
uniref90_2022_05.fa

获取模型参数

可参考：AlphaFold 3 权重申请指南

构建将运行 AlphaFold 3 的 Docker 容器

参考

[1]AlphaFold3 最全食用指南
[2]window10下WSL使用Ubuntu报错： System has not been booted with systemd as init system (PID 1)
[3]如何修复 System has not been booted with systemd 报错信息？
[4]
[5]
[6]