update readme

README.md

@@ -2,26 +2,28 @@
  * @Author: zhuww
  * @email: zhuww@sugon.com
  * @Date: 2023-04-06 18:04:07
- * @LastEditTime: 2023-04-25 14:05:01
+ * @LastEditTime: 2023-08-18 16:21:01
 -->
 # AlphaFold2
-## 模型介绍
-AlphaFold2是一个用于预测蛋白质三维结构的深度学习模型。
+## 论文
+- [https://www.nature.com/articles/s41586-021-03819-2](https://www.nature.com/articles/s41586-021-03819-2)
+
 ## 模型结构
 模型核心是一个基于Transformer架构的神经网络，包括两个主要组件：Sequence to Sequence Model和Structure Model，这两个组件通过迭代训练进行优化，以提高其预测准确性。
-## 数据集
-推荐使用AlphaFold2中的开源数据集，包括BFD、MGnify、PDB70、Uniclust、Uniref90等,数据集大小约3TB。
 
-我们提供了一个脚本download_all_data.sh用于下载使用的数据集和模型文件：
-
-    git clone http://developer.hpccube.com/codes/modelzoo/alphafold2.git
-    ./scripts/download_all_data.sh 数据集下载目录
+## 算法原理
+AlphaFold2通过从蛋白质序列和结构数据中提取信息，使用神经网络模型来预测蛋白质三维结构。
 
-## 推理
-### 环境配置
+## 环境配置
 提供[光源](https://www.sourcefind.cn/#/service-details)拉取推理的docker镜像：
 * 推理镜像：docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:alphafold2-2.2.1-centos7.6-dtk-22.04.2-py38
 
+镜像版本依赖：
+* DTK驱动：dtk22.04.2
+* Jax: 0.3.14
+* TensorFlow2: 2.7.0
+* python: python3.8
+
 激活镜像环境：
 
 `source /opt/dtk-22.04.2/env.sh`
@@ -32,11 +34,16 @@ AlphaFold2是一个用于预测蛋白质三维结构的深度学习模型。
 
 `/opt/docker/test`
 
-### 推理
-我们分别提供了基于Jax的单体和多体的推理脚本，版本依赖：
-* Jax(DCU版本) >= 0.3.14
-* TensorFlow2(DCU版本) >= 2.7.0
+## 数据集
+推荐使用AlphaFold2中的开源数据集，包括BFD、MGnify、PDB70、Uniclust、Uniref90等,数据集大小约3TB。
+
+此处提供了一个脚本download_all_data.sh用于下载使用的数据集和模型文件：
 
+    git clone http://developer.hpccube.com/codes/modelzoo/alphafold2.git
+    ./scripts/download_all_data.sh 数据集下载目录
+
+## 推理
+分别提供了基于Jax的单体和多体的推理脚本.
 设置DOWNLOAD_DIR路径和output_dir路径。确保输出目录存在，并且您有足够的权限对其进行写入。
 
     # Set to target of download all databases
@@ -45,7 +52,7 @@ AlphaFold2是一个用于预测蛋白质三维结构的深度学习模型。
     # Path to a directory that will store the results.
     output_dir = '/path/to/output_dir'
 
-#### 单体
+### 单体
 
     python3 run_alphafold.py \
     --fasta_paths=monomer.fasta \
@@ -57,11 +64,11 @@ AlphaFold2是一个用于预测蛋白质三维结构的深度学习模型。
 
 或者使用`./run_monomer.sh`
 
-##### 单体推理参数说明
+#### 单体推理参数说明
 monomer.fasta为推理的单体序列；--output_dir为输出目录；--model_preset选择模型配置；--run_relax=true为进行relax操作；--use_gpu_relax=true为使用gpu进行relax操作（速度更快，但可能不太稳定），--use_gpu_relax=false为使用CPU进行relax操作（速度慢，但稳定）；
 若添加--use_precomputed_msas=true则可以加载已经搜索对齐的序列，否则默认进行搜索对齐；
 
-#### 多体
+### 多体
 
     python3 run_alphafold.py \
     --fasta_paths=multimer.fasta \
@@ -76,10 +83,10 @@ monomer.fasta为推理的单体序列；--output_dir为输出目录；--model_pr
 
 或者使用`./run_multimer.sh`
 
-##### 多体推理参数说明
+#### 多体推理参数说明
 multimer.fasta为推理的多体序列，data为数据集下载路径，其他参数同单体推理参数说明一致。
 
-### 输出
+## result
 `--output_dir`目录结构如下：
 ```
 <target_name>/
@@ -97,7 +104,7 @@ multimer.fasta为推理的多体序列，data为数据集下载路径，其他
         ...
 ```
 
-## 准确率数据
+## 精度
 测试数据：[casp14](https://www.predictioncenter.org/casp14/targetlist.cgi)、[uniprot](https://www.uniprot.org/)，
 使用的加速卡:1张 DCU 1代-16G
 
@@ -108,8 +115,20 @@ multimer.fasta为推理的多体序列，data为数据集下载路径，其他
 | fp32 | 单体 | T1053 | 580 | 0.941 | 0.789 | 92.316 | 0.985 | 0.935 | 1.1 |
 | fp32 | 单体 | T1091 | 863 | 0.492 | 0.332 | 85.083 | 0.740 | 0.388 | 6.7 |
 
+## 应用场景
+
+### 算法类别
+NLP
+
+### 应用行业
+医疗,科研
+
+### 算法框架
+jax,tensorflow
+
 ## 源码仓库及问题反馈
-* https://developer.hpccube.com/codes/modelzoo/AlphaFold2
+* [https://developer.hpccube.com/codes/modelzoo/AlphaFold2](https://developer.hpccube.com/codes/modelzoo/AlphaFold2)
+
 ## 参考
 * [https://github.com/deepmind/alphafold](https://github.com/deepmind/alphafold)
 

model.properties

+# 模型唯一标识
+modelCode = 112
 # 模型名称
-modelName=AlphaFold2_Jax
+modelName=alphafold2_jax
 # 模型描述
 modelDescription=AlphaFold2是一个用于预测蛋白质三维结构的深度学习模型
 # 应用场景(多个标签以英文逗号分割)
-appScenario=推理,NLP,蛋白质结构预测
+appScenario=推理,NLP,蛋白质结构预测,医疗,科研
 # 框架类型(多个标签以英文逗号分割)
-frameType=Jax,TensorFlow
+frameType=jax,tensorflow