# FastFold ## 模型介绍 FastFold基于蛋白质结构预测模型,进行推理的性能优化 ## 模型结构 模型基于Transformer架构,主要结构包括Evofomer(48 blocks)和Struture module(8 blocks)两个模块。 ## 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： ./scripts/download_all_data.sh 数据集下载目录 ## 推理 ### 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:fastfold-0.2.1-centos7.6-dtk-22.10-patch4-py38-latest 激活镜像环境： `source /opt/dtk-22.10/env.sh` `source /opt/openmm-dtk-22.10/env.sh` 测试目录： `/opt/docker/test` ### 推理 我们分别提供了基于Pytorch的单体和多体的推理脚本，版本依赖： * Pytorch(DCU版本) >= 1.10.0a0 #### 单体 python inference.py T1024.fasta data/pdb_mmcif/mmcif_files/ \ --output_dir ./ \ --gpus 2 \ --use_precomputed_alignments alignments/ \ --param_path /data/params/params_model_1.npz \ --uniref90_database_path data/uniref90/uniref90.fasta \ --mgnify_database_path data/mgnify/mgy_clusters_2018_12.fa \ --pdb70_database_path data/pdb70/pdb70 \ --uniclust30_database_path data/uniclust30/uniclust30_2018_08/uniclust30_2018_08 \ --bfd_database_path data/bfd/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt \ --jackhmmer_binary_path `which jackhmmer` \ --hhblits_binary_path `which hhblits` \ --hhsearch_binary_path `which hhsearch` \ --kalign_binary_path `which kalign` \ --chunk_size 4 \ --inplace 或者使用`./inference.sh` ##### 单体推理参数说明 T1024.fasta为推理的单体序列；data修改为数据集下载目录； --output_dir为输出目录；--gpus为使用的gpu数量； --use_precomputed_alignments为搜索对齐目录，可以加载已经搜索对齐的序列，若不添加则进行搜索对齐； --param_path为加载单体模型路径，需要和--model_name保持一致,默认为model_1； --chunk_size为分块数量，设置为4，并且使用--inplace来降低显存占用。 Alphafold的数据预处理需要花费大量时间，因此我们通过[ray](https://docs.ray.io/en/latest/workflows/concepts.html)加快了数据预处理工作流程。 要使用ray工作流运行推理，应将参数--enable_workflow添加到cmdline或`./inference.sh`脚本中。 #### 多体 python inference.py SUGP1.fasta data/pdb_mmcif/mmcif_files/ \ --output_dir ./ \ --gpus 2 \ --use_precomputed_alignments alignments/ \ --model_preset multimer \ --uniref90_database_path data/uniref90/uniref90.fasta \ --mgnify_database_path data/mgnify/mgy_clusters_2018_12.fa \ --pdb70_database_path data/pdb70/pdb70 \ --uniclust30_database_path data/uniclust30/uniclust30_2018_08/uniclust30_2018_08 \ --bfd_database_path data/bfd/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt \ --uniprot_database_path data/uniprot/uniprot_sprot.fasta \ --pdb_seqres_database_path data/pdb_seqres/pdb_seqres.txt \ --param_path data/params/params_model_1_multimer.npz \ --model_name model_1_multimer \ --jackhmmer_binary_path `which jackhmmer` \ --hhblits_binary_path `which hhblits` \ --hhsearch_binary_path `which hhsearch` \ --kalign_binary_path `which kalign` \ --chunk_size 4 \ --inplace 或者使用`./inference_multimer.sh` ##### 多体推理参数说明 SUGP1.fasta为推理的多体序列；--param_path为加载多体模型路径，需要和--model_name保持一致，其他参数同单体推理参数说明一致。 ## 性能和准确率数据 测试数据：[casp14](https://www.predictioncenter.org/casp14/targetlist.cgi)、[uniprot](https://www.uniprot.org/)，使用的加速卡:4张 DCU 1代-16G 性能数据： | 数据类型 | 序列类型 | 序列标签 | 序列长度 | Speed(s) | | :------: | :------: | :------: | :------: |:------: | | fp32 | 单体 | T1024 | 408 | 80 | | fp32 | 单体 | Q9NYK1 | 1046 | 488 | | fp32 | 单体 | Q8CHI8 | 3072 | 8718 | | fp32 | 多体 | H1036 | 856 | 324 | | fp32 | 多体 | H1060 | 1106 | 449 | | fp32 | 多体 | 6h3c | 2030 | 2142 | 准确性数据： | 数据类型 | 序列类型 | 序列标签 | 序列长度 | GDT-TS | GDT-HA | LDDT | TM score | MaxSub | RMSE | | :------: | :------: | :------: | :------: |:------: |:------: | :------: | :------: | :------: |:------: | | fp32 | 单体 | T1026 | 172 | 91.4 | 76.5 | 79.6 | 94.1 | 90.7 | 1.3 | | fp32 | 单体 | T1053 | 580 | 93.7 | 78.2 | 92.3 | 98.4 | 92.9 | 1.1 | | fp32 | 单体 | Q9NYK1 | 1046 | 90.1 | 74.4 | 86.6 | 96.2 | 90.5 | 5.8 | ## 历史版本 * https://developer.hpccube.com/codes/modelzoo/FastFold ## 参考 * [https://github.com/deepmind/alphafold](https://github.com/deepmind/alphafold) * [https://github.com/hpcaitech/FastFold](https://github.com/hpcaitech/FastFold)